یادگیری انتقالی با تعبیه جملات
یادگیری انتقالی با تعبیه جملات (Transfer Learning with Sentence Embeddings) یک رمزگذار از پیش آموزشدیده بزرگ — مانند Sentence-BERT یا Universal Sentence Encoder — را که دانش عمومی زبان را در بردارهای با طول ثابت رمزگذاری کرده است، برمیدارد و با دادههای برچسبدار کم، آن را برای یک وظیفه یا دامنه جدید تطبیق میدهد. نمایشهای از پیش آموزشدیده، شروعی را فراهم میکنند که اغلب از مدلهای خاص وظیفه که از ابتدا بر روی مجموعههای متنی متوسط آموزش دیدهاند، بهتر عمل میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/fa/deep-learning/transfer-learning-with-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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- تعبیههای جمله تنظیمشده دقیقیادگیری عمیق↔ compare
- طبقهبندی مبتنی بر RoBERTaیادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
- یادگیری انتقالی مبتنی بر طبقهبندی با BERTیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →