BERT Embeddings — Representaciones Contextuales de Texto
Las incrustaciones de texto basadas en BERT, introducidas por Devlin y colegas en Google AI en 2019, convierten el texto en vectores densos sensibles al contexto utilizando un codificador Transformer bidireccional. Dado que el significado de una palabra cambia con su contexto, BERT produce representaciones más ricas que métodos estáticos como Word2Vec o modelos de temas como LDA.
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.
+21 more
Fuentes
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171-4186. DOI: 10.18653/v1/N19-1423 ↗
- Tenney, I., Das, D. & Pavlick, E. (2019). BERT Rediscovers the Classical NLP Pipeline. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL), 4593-4601. DOI: 10.18653/v1/P19-1452 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). BERT-Based Text Embeddings. ScholarGate. https://scholargate.app/es/text-mining/bert-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.
- Doc2VecMinería de texto↔ compare
- GloVe EmbeddingsMinería de texto↔ compare
- Análisis de SentimientoMinería de texto↔ compare
- Word2VecMinería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →