Ενσωματώσεις (embeddings) και γλωσσικά μοντέλα
11 μέθοδοι σε αυτή την οικογένεια.
Επιλεγμένες
Αυτόματη Αξιολόγηση ΚειμένουAutomatic text evaluation is a family of reference-based metrics used to measure the quality of machine-generated text — such as translations, summaries, or natural-language-generaΕνσωματώσεις BERTBERT-based text embeddings, introduced by Devlin and colleagues at Google AI in 2019, turn text into context-sensitive dense vectors using a bidirectional Transformer encoder. BecaΜάθηση Αναπαραστάσεων Κειμένου μέσω Αντίθεσης (Contrastive Learning for NLP)Contrastive learning for NLP is a representation-learning technique — popularised by SimCSE (Gao et al., 2021) and Supervised Contrastive Learning (Khosla et al., 2020) — that traiDoc2VecDoc2Vec, also known as Paragraph Vector, is a representation-learning method introduced by Le and Mikolov (2014) that maps whole documents to fixed-length dense vectors. These vectΑνίχνευση Φυλετικής Μεροληψίας στην Επεξεργασία Φυσικής ΓλώσσαςGender bias detection in NLP is a family of statistical and embedding-based methods used to measure stereotyping, representational imbalance, and occupational bias in text corpora Διανύσματα GloVeGloVe (Global Vectors for Word Representation) is a static word-embedding model introduced by Pennington, Socher and Manning (2014) that learns word vectors directly from global wo
Διαδρομή ανάγνωσης
Οι πιο πολυαναφερόμενες θεμελιώδεις μέθοδοι αυτού του θέματος, με τη σειρά που αναπτύχθηκαν — ένα σημείο εκκίνησης αν είστε νέος εδώ.
Όλες οι μέθοδοι 11
Αυτόματη Αξιολόγηση ΚειμένουΕνσωματώσεις BERTΜάθηση Αναπαραστάσεων Κειμένου μέσω Αντίθεσης (Contrastive Learning for NLP)Doc2VecΑνίχνευση Φυλετικής Μεροληψίας στην Επεξεργασία Φυσικής ΓλώσσαςΔιανύσματα GloVeΠολυτροπική Επεξεργασία Φυσικής Γλώσσας (NLP)Μοντέλο Γλώσσας N-gramΜηχανική ΠροτροπώνΣυμπλήρωση ΚειμένουWord2Vec