Selv-superviserede sætningsindlejringer
Selv-superviserede sætningsindlejringer træner en neural koder til at mappe sætninger ind i et tæt vektorrum uden behov for manuelt annoterede par. Ved automatisk at konstruere positive eksempler — for eksempel ved at sende den samme sætning gennem dropout to gange — og ved at bruge kontrastive mål, lærer modellen semantisk rige repræsentationer, der overføres godt til opgaver som lighed, informationssøgning og klassifikation.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP), 6894–6910. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- 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. DOI: 10.18653/v1/D19-1410 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/da/deep-learning/self-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.
- BERT-baseret klassifikationDyb læring↔ compare
- Selv-overvåget BERT-baseret KlassifikationDyb læring↔ compare
- Selv-overvåget TransformerDyb læring↔ compare
- Semi-overvågede sætningsindlejringerDyb læring↔ compare
- SætningsindlejringerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →