BERT Embeddings — Kontextově citlivé reprezentace textu
Textové vnořené vektory (embeddings) založené na BERT, představené v roce 2019 týmem Devlina a kolegů z Google AI, převádějí text na kontextově citlivé husté vektory pomocí obousměrného Transformer encoderu. Protože se význam slova mění s kontextem, BERT produkuje bohatší reprezentace než statické metody, jako je Word2Vec, nebo tématické modely, jako je LDA.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+21 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). BERT-Based Text Embeddings. ScholarGate. https://scholargate.app/cs/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.
- Doc2VecDolování textu↔ compare
- GloVe EmbeddingsDolování textu↔ compare
- Analýza sentimentuDolování textu↔ compare
- Word2VecDolování textu↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →