Aprendizaje por transferencia con incrustaciones de oraciones
El aprendizaje por transferencia con incrustaciones de oraciones utiliza un codificador preentrenado grande — como Sentence-BERT o el Codificador Universal de Oraciones — que ya codifica el conocimiento general del lenguaje en vectores de longitud fija, y lo adapta a una nueva tarea o dominio con pocos datos etiquetados adicionales. Las representaciones preentrenadas proporcionan una ventaja inicial que a menudo supera a los modelos específicos de la tarea entrenados desde cero en corpus modestos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/es/deep-learning/transfer-learning-with-sentence-embeddings
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Clasificación basada en BERTAprendizaje profundo↔ comparar
- Embeddings de Oraciones Ajustados FinamenteAprendizaje profundo↔ comparar
- Clasificación basada en RoBERTaAprendizaje profundo↔ comparar
- Incrutaciones de oracionesAprendizaje profundo↔ comparar
- Aprendizaje por transferencia con clasificación basada en BERTAprendizaje profundo↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →