Трансферно учене със вграждания на изречения
Трансферното учене със вграждания на изречения (Transfer Learning with Sentence Embeddings) използва голям предварително обучен енкодер — като Sentence-BERT или Universal Sentence Encoder — който вече кодира общи езикови знания във вектори с фиксирана дължина, и го адаптира към нова задача или домейн с малко допълнителни анотирани данни. Предварително обучените представяния осигуряват начално предимство, което често превъзхожда специфични за задачата модели, обучени от нулата върху скромни корпуси.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- 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), 3982–3992. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/bg/deep-learning/transfer-learning-with-sentence-embeddings
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Класификация, базирана на BERTДълбоко обучение↔ сравняване
- Фино настроени вграждания на изреченияДълбоко обучение↔ сравняване
- Класификация, базирана на RoBERTaДълбоко обучение↔ сравняване
- Вграждане на изреченияДълбоко обучение↔ сравняване
- Трансферно обучение с класификация, базирана на BERTДълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →