Machine learningDeep learning / NLP / CV

Plongements de phrases

Les plongements de phrases convertissent une phrase ou un court texte en un unique vecteur dense de longueur fixe qui capture son sens sémantique. Ces vecteurs permettent aux tâches en aval — similarité sémantique, regroupement, recherche et classification — d'opérer sur des représentations numériques au lieu de texte brut, ce qui en fait l'un des blocs de construction les plus polyvalents des pipelines modernes de NLP.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Plongements de phrases

Classification basée sur…Long Short-Term Memory (…Classification basée sur…Modélisation par sujets Classification basée sur…Embeddings de phrases ad…Analyse de sentiments ad…Word2Vec adaptatif au do…Classification basée sur…Modèle de Topic NMF Expl…

+43 more

Sources

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), 3980–3990. DOI: 10.18653/v1/D19-1410 ↗
Kiros, R., Zhu, Y., Salakhutdinov, R., Zemel, R. S., Torralba, A., Urtasun, R., & Fidler, S. (2015). Skip-Thought Vectors. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗

Comment citer cette page

ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/fr/deep-learning/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
Long Short-Term Memory (LSTM)Apprentissage profond↔ compare
Classification basée sur RoBERTaApprentissage profond↔ compare
Modélisation par sujetsApprentissage profond↔ compare

Compare side by side →

Référencée par

Classification basée sur BERT Classification basée sur BERT et adaptée au domaine Embeddings de phrases adaptatifs au domaine Analyse de sentiments adaptative au domaine Word2Vec adaptatif au domaine Classification basée sur BERT explicable Modèle de Topic NMF Explicable Réponse aux questions explicable Classification RoBERTa explicable Embeddings de phrases explicables Analyse de sentiment explicable Explainable Text Summarization Modélisation thématique explicable Classification par BERT affiné Doc2Vec affiné Modèle LDA affiné Question-Réponse affinée Classification basée sur RoBERTa affiné Plongements de phrases affinés Résumé de texte affiné Modélisation thématique affinée Word2Vec affiné Modèle de Topics LDA Long Short-Term Memory (LSTM)Multilingual Doc2Vec Plongements de phrases multilingues Analyse de sentiments multilingue Résumé de texte multilingue Transformeur multilingue Multimodal Doc2Vec Classification multimodale basée sur RoBERTa Transformeur Multimodal Word2Vec Multimodal Modèle thématique NMF Classification basée sur RoBERTa Modèle de Topics LDA Auto-supervisé Plongements de phrases auto-supervisés Modélisation thématique auto-supervisée Transformer auto-supervisé Modèle thématique LDA semi-supervisé Modèle thématique par factorisation matricielle non négative semi-supervisée Plongements de phrases semi-supervisés Word2Vec semi-supervisé Modélisation par sujets Transfer Learning avec Classification basée sur BERT Apprentissage par transfert avec reconnaissance d'entités nommées Apprentissage par transfert avec des plongements de phrases Apprentissage par transfert pour la synthèse de texte Apprentissage par transfert avec modélisation thématique Apprentissage par transfert avec Word2Vec Modèle de Topics LDA Faiblement Supervisé Embeddings de phrases faiblement supervisées Word2Vec faiblement supervisé

Une erreur sur cette page ? Signalez-la ou proposez une correction →

Lire la méthode complète

Method map

Sources

Comment citer cette page

Méthodes apparentées

Which method?

Référencée par