Embeddings de oraciones semi-supervisados
Los embeddings de oraciones semi-supervisados combinan un pequeño conjunto de pares de oraciones etiquetadas con grandes cantidades de texto no etiquetado para entrenar representaciones vectoriales densas de oraciones. Al explotar datos no etiquetados abundantes a través de objetivos contrastivos o pseudo-etiquetado, estos modelos producen embeddings de alta calidad para similitud semántica, recuperación y clasificación, incluso cuando los datos anotados son escasos.
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. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/es/deep-learning/semi-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
- Incrustaciones de oraciones auto-supervisadasAprendizaje profundo↔ compare
- Clasificación semisupervisada basada en BERTAprendizaje profundo↔ compare
- Transformer semi-supervisadoAprendizaje profundo↔ compare
- Incrutaciones de oracionesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →