Itseohjautuvat lauseupotukset
Itseohjautuvat lauseupotukset kouluttavat neuroverkkokooderin kuvaamaan lauseita tiiviiseen vektoritilaan ilman manuaalisesti merkittyjä pareja. Rakentamalla positiivisia esimerkkejä automaattisesti – esimerkiksi syöttämällä sama lause kahdesti dropoutin läpi – ja käyttämällä kontrastiivisia tavoitteita, malli oppii semanttisesti rikkaan esitystavan, joka siirtyy hyvin samankaltaisuus-, haku- ja luokittelutehtäviin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/fi/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.
- BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Itseohjautuva BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Itsearvioitu TransformerSyväoppiminen↔ compare
- Puolivalvotut lauseupotuksetSyväoppiminen↔ compare
- LauseupotuksetSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →