ScholarGate
Асистент
Machine learningDeep learning / NLP / CV

Вграждане на изречения

Вграждането на изречения преобразува изречение или кратък текст в един плътен вектор с фиксирана дължина, който улавя неговото семантично значение. Тези вектори позволяват на последващи задачи — семантична сходство, клъстеризация, извличане и класификация — да работят с числени представяния вместо с необработен текст, което ги прави един от най-гъвкавите градивни елементи в съвременните NLP конвейери.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Вграждане на изречения
Класификация, базирана н…Дългосрочна краткосрочна…Класификация, базирана н…Тематично моделиранеАдаптивно към домейна кл…Домейн-адаптивни изразов…Адаптивно към домейна об…Адаптивен към домейн Wor…Обяснима класификация, б…Explainable NMF Topic Mo…

+43 more

Източници

  1. Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3980–3990. DOI: 10.18653/v1/D19-1410 ↗
  2. Kiros, R., Zhu, Y., Salakhutdinov, R., Zemel, R. S., Torralba, A., Urtasun, R., & Fidler, S. (2015). Skip-Thought Vectors. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗

Как да цитирате тази страница

ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/bg/deep-learning/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.

Compare side by side →

Цитиран в

Класификация, базирана на BERTАдаптивно към домейна класифициране, базирано на BERTДомейн-адаптивни изразови вгражданияАдаптивно към домейна обучение на анализ на настроенияАдаптивен към домейн Word2VecОбяснима класификация, базирана на BERTExplainable NMF Topic ModelОбяснима система за отговаряне на въпросиОбяснима класификация, базирана на RoBERTaОбясни́ми вгражда́ния на изрече́нияОбяснимая сантимент-анализОбяснима текстова сумаризацияОбясним тематичен моделКласификация, базирана на фино настроен BERTFine-Tuned Doc2VecФино настроен LDA модел за темиФино настроено отговаряне на въпросиКласификация, базирана на фино настроен RoBERTaФино настроени вграждания на изреченияФино настроено обобщаване на текстФино настроено тематично моделиранеФино настроен Word2VecТематичен модел с ЛДАДългосрочна краткосрочна памет (LSTM)Многоезиков Doc2VecМногоезикови векторни представяния на изреченияМногоезиков анализ на настроениятаМногоезиково обобщаване на текстМногоезичен трансформерМултимодален Doc2VecМултимодална класификация, базирана на RoBERTaМултимодален ТрансформерМултимодален Word2VecТематичен модел с НМФКласификация, базирана на RoBERTaСамообучаващ се LDA модел за темиСамообучаващи се изреченски вгражданияСамоконтролирано тематично моделиранеСамоконтролиран Трансформър (Self-supervised Transformer)Полу-контролиран LDA модел на темиПолуавтоматичен тематичен модел с Неотрицателна Матрична Факторизация (NMF)Полу-наблюдавано обучение на изреченски вгражданияПолу-наблюдавано обучение на Word2VecТематично моделиранеТрансферно обучение с класификация, базирана на BERTТрансферно обучение с разпознаване на именувани същностиТрансферно учене със вграждания на изреченияТрансферно обучение за обобщаване на текстТрансферно обучение с тематично моделиранеТрансферно обучение с Word2VecСлабо контролиран LDA модел за темиСлабо контролирани векторни представяния на изреченияСлабо наблюдавани Word2Vec

Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →

ScholarGate — Sentence Embeddings (Sentence Embeddings (Dense Vector Representations of Sentences)). Извлечено на 2026-06-15 от https://scholargate.app/bg/deep-learning/sentence-embeddings · Набор от данни: https://doi.org/10.5281/zenodo.20539026