Mehrsprachige Satz-Einbettungen
Mehrsprachige Satz-Einbettungen bilden Sätze aus vielen Sprachen in einem einzigen gemeinsamen Vektorraum ab, sodass semantisch äquivalente Sätze – unabhängig von der Sprache – nahe beieinander liegen. Modelle wie LaBSE, mehrsprachiges Sentence-BERT und mUSE haben es praktikabel gemacht, Texte in 50 bis über 100 Sprachen zu vergleichen, abzurufen und zu klassifizieren, ohne vorher etwas zu übersetzen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Quellen
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/de/deep-learning/multilingual-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-basierte KlassifikationDeep Learning↔ compare
- Multilinguale RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Multilingual TransformerDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
- Transfer Learning mit Satz-EmbeddingsDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →