Многоезикови векторни представяния на изречения
Многоезиковите векторни представяния на изречения картографират изречения от множество езици в едно споделено векторно пространство, така че семантично еквивалентни изречения — независимо от езика — да се намират близо едно до друго. Модели като LaBSE, многоезиковия Sentence-BERT и mUSE направиха практично сравняването, извличането и класифицирането на текст на 50 до 100+ езика, без да се налага първо да се превежда нищо.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Източници
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/bg/deep-learning/multilingual-sentence-embeddings
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Класификация, базирана на BERTДълбоко обучение↔ compare
- Многоезикова класификация, базирана на RoBERTaДълбоко обучение↔ compare
- Многоезичен трансформерДълбоко обучение↔ compare
- Вграждане на изреченияДълбоко обучение↔ compare
- Трансферно учене със вграждания на изреченияДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →