ScholarGate
Asszisztens
Machine learningDeep learning / NLP / CV

Tartomány-adaptív mondatbeágyazások

A tartomány-adaptív mondatbeágyazások általános célú mondatkódolókat – mint például a Sentence-BERT – egészítenek ki azáltal, hogy képzésüket tartomány-specifikus szövegeken folytatják. Az eredmény egy fix hosszúságú vektorreprezentáció, amely mind az egyetemes nyelvi megértést, mind a célzott tartomány szókincsét, stílusát és szemantikai árnyalatait rögzíti, javítva az olyan lefelé irányuló természetesnyelv-feldolgozási (NLP) feladatokat, mint a szemantikai keresés, a klaszterezés és az osztályozás.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDiák letöltése

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  1. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410
  2. Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/hu/deep-learning/domain-adaptive-sentence-embeddings

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateDomain-adaptive sentence embeddings (Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/domain-adaptive-sentence-embeddings · Adatkészlet: https://doi.org/10.5281/zenodo.20539026