BERT Embeddings — Representacions contextuals de text
Les representacions textuals basades en BERT, introduïdes per Devlin i col·laboradors a Google AI el 2019, transformen el text en vectors densos sensibles al context utilitzant un codificador Transformer bidireccional. Atès que el significat d'una paraula canvia amb el seu context, BERT produeix representacions més riques que mètodes estàtics com Word2Vec o models de temes com LDA.
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.
+21 more
Fonts
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171-4186. DOI: 10.18653/v1/N19-1423 ↗
- Tenney, I., Das, D. & Pavlick, E. (2019). BERT Rediscovers the Classical NLP Pipeline. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL), 4593-4601. DOI: 10.18653/v1/P19-1452 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). BERT-Based Text Embeddings. ScholarGate. https://scholargate.app/ca/text-mining/bert-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.
- Doc2VecMineria de text↔ compare
- GloVe EmbeddingsMineria de text↔ compare
- Anàlisi de sentimentsMineria de text↔ compare
- Word2VecMineria de text↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →