Feinabgestimmte Satz-Einbettungen
Feinabgestimmte Satz-Einbettungen passen einen allgemeinen vortrainierten Satz-Encoder – wie Sentence-BERT – an eine spezifische Domäne oder Aufgabe an, indem sie das Training auf beschrifteten oder gepaarten Textdaten aus dieser Domäne fortsetzen. Die resultierenden Einbettungen erfassen domänenspezifische semantische Strukturen weitaus besser als Standardvektoren und verbessern nachgelagerte Aufgaben wie semantische Ähnlichkeit, Clustering, Klassifizierung und Retrieval.
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 the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/de/deep-learning/fine-tuned-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 BERT-basierte KlassifikationDeep Learning↔ vergleichen
- Fine-Tuned TransformerDeep Learning↔ vergleichen
- RoBERTa-basierte KlassifikationDeep Learning↔ vergleichen
- Sentence EmbeddingsDeep Learning↔ vergleichen
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →