Embeddings de phrases faiblement supervisées
Les embeddings de phrases faiblement supervisées entraînent des représentations denses de phrases à l'aide d'étiquettes bruitées, heuristiques ou générées par programme, au lieu d'une annotation humaine coûteuse. Les fonctions d'étiquetage — règles, signaux de supervision distante ou classificateurs légers — fournissent une supervision approximative qu'un modèle d'étiquetage agrège en étiquettes probabilistes, qui guident ensuite l'encodeur de phrases pour produire des représentations utiles à la tâche à grande échelle.
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
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- 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). DOI: 10.18653/v1/D19-1410 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/fr/deep-learning/weakly-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
- Plongements de phrases semi-supervisésApprentissage profond↔ compare
- Plongements de phrasesApprentissage profond↔ compare
- Apprentissage par transfert avec des plongements de phrasesApprentissage profond↔ compare
- Classification par BERT sous supervision faibleApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →