Plongements de phrases semi-supervisés
Les plongements de phrases semi-supervisés combinent un petit ensemble de paires de phrases étiquetées avec de grandes quantités de texte non étiqueté pour entraîner des représentations vectorielles denses de phrases. En exploitant les données non étiquetées abondantes par le biais d'objectifs contrastifs ou de pseudo-étiquetage, ces modèles produisent des plongements de haute qualité pour la similarité sémantique, la recherche et la classification, même lorsque les données annotées sont rares.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/fr/deep-learning/semi-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.
- Classification basée sur BERTApprentissage profond↔ compare
- Plongements de phrases auto-supervisésApprentissage profond↔ compare
- Classification semi-supervisée basée sur BERTApprentissage profond↔ compare
- Transformeur semi-superviséApprentissage profond↔ compare
- Plongements de phrasesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →