वाक्य एम्बेडिंग
वाक्य एम्बेडिंग एक वाक्य या छोटे पाठ को एक एकल निश्चित-लंबाई वाले सघन सदिश (dense vector) में परिवर्तित करते हैं जो उसके अर्थ संबंधी अर्थ को दर्शाता है। ये सदिश डाउनस्ट्रीम कार्यों — अर्थ संबंधी समानता, क्लस्टरिंग, पुनर्प्राप्ति, और वर्गीकरण — को कच्चे पाठ के बजाय संख्यात्मक निरूपणों पर संचालित करने की अनुमति देते हैं, जिससे वे आधुनिक एनएलपी पाइपलाइनों में सबसे बहुमुखी निर्माण खंडों में से एक बन जाते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+43 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/hi/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.
- BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)गहन अधिगम↔ compare
- RoBERTa-आधारित वर्गीकरणगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare