Process / pipeline

Semantička sličnost — Mjerenje značenja između tekstova

Analiza semantičke sličnosti mjeri koliko su dva teksta bliska po značenju, a ne koliko riječi dijele na površini. Nadograđujući se na rad Sentence-BERT Reimersa i Gurevycha (2019.), svaki tekst predstavlja kao vektor i uspoređuje te vektore tako da parafrazirani tekstovi postižu visoke rezultate čak i kada se njihove riječi razlikuju.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

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

Izvori

  1. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Semantic Similarity Analysis. ScholarGate. https://scholargate.app/hr/text-mining/semantic-similarity

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.

Compare side by side

Citirana u

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Preuzeto 2026-06-15 s https://scholargate.app/hr/text-mining/semantic-similarity · Skup podataka: https://doi.org/10.5281/zenodo.20539026