Domänenadaptive Satz-Einbettungen
Domänenadaptive Satz-Einbettungen erweitern allgemeine Satz-Encoder – wie Sentence-BERT – durch Fortsetzung ihres Trainings auf domänenspezifischem Text. Das Ergebnis ist eine Vektorrepräsentation fester Länge, die sowohl universelles Sprachverständnis als auch das Vokabular, den Stil und die semantischen Nuancen der Zieldomäne erfasst und nachgelagerte NLP-Aufgaben wie semantische Suche, Clustering und Klassifizierung verbessert.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/de/deep-learning/domain-adaptive-sentence-embeddings
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- BERT-basierte KlassifikationDeep Learning↔ vergleichen
- Feinabgestimmte Satz-EinbettungenDeep Learning↔ vergleichen
- Mehrsprachige Satz-EinbettungenDeep Learning↔ vergleichen
- RoBERTa-basierte KlassifikationDeep Learning↔ vergleichen
- Sentence EmbeddingsDeep Learning↔ vergleichen
- Transfer Learning mit Satz-EmbeddingsDeep Learning↔ vergleichen
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →