Incrustaciones de oraciones auto-supervisadas
Las incrustaciones de oraciones auto-supervisadas entrenan a un codificador neuronal para mapear oraciones a un espacio vectorial denso sin requerir pares etiquetados manualmente. Al construir ejemplos positivos automáticamente — por ejemplo, pasando la misma oración a través de dropout dos veces — y utilizando objetivos contrastivos, el modelo aprende representaciones semánticamente ricas que se transfieren bien a tareas de similitud, recuperación y clasificación.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Clasificación basada en BERT auto-supervisadoAprendizaje profundo↔ compare
- Transformer auto-supervisadoAprendizaje profundo↔ compare
- Embeddings de oraciones semi-supervisadosAprendizaje profundo↔ compare
- Incrutaciones de oracionesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →