Representacions vectorials de frases semi-supervisades
Les representacions vectorials de frases semi-supervisades combinen un petit conjunt de parells de frases etiquetades amb grans quantitats de text no etiquetat per entrenar representacions vectorials denses de frases. Explotant l'abundant dada no etiquetada mitjançant objectius contrastius o pseudo-etiquetatge, aquests models produeixen incrustacions d'alta qualitat per a la similitud semàntica, la recuperació i la classificació, fins i tot quan les dades anotades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/ca/deep-learning/semi-supervised-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.
- Classificació basada en BERTAprenentatge profund↔ compare
- Incrustacions de frases auto-supervisadesAprenentatge profund↔ compare
- Classificació semi-supervisada basada en BERTAprenentatge profund↔ compare
- Transformer semi-supervisatAprenentatge profund↔ compare
- Sentence EmbeddingsAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →