Embeddings de phrases adaptatifs au domaine
Les embeddings de phrases adaptatifs au domaine étendent les encodeurs de phrases à usage général — tels que Sentence-BERT — en poursuivant leur entraînement sur du texte spécifique au domaine. Le résultat est une représentation vectorielle de longueur fixe qui capture à la fois la compréhension universelle du langage et le vocabulaire, le style et les nuances sémantiques du domaine cible, améliorant les tâches NLP en aval telles que la recherche sémantique, le clustering et la classification.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/fr/deep-learning/domain-adaptive-sentence-embeddings
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Classification basée sur BERTApprentissage profond↔ comparer
- Plongements de phrases affinésApprentissage profond↔ comparer
- Plongements de phrases multilinguesApprentissage profond↔ comparer
- Classification basée sur RoBERTaApprentissage profond↔ comparer
- Plongements de phrasesApprentissage profond↔ comparer
- Apprentissage par transfert avec des plongements de phrasesApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →