Transzfer Tanulás Szigonyágyazatokkal
A Szigonyágyazatokkal történő Transzfer Tanulás egy nagyméretű, előre betanított enkódert – mint például a Sentence-BERT vagy az Universal Sentence Encoder – használ, amely már általános nyelvi ismereteket kódol fix hosszúságú vektorokba, és kevés további címkézett adattal adaptálja azt egy új feladathoz vagy doménhez. Az előre betanított reprezentációk olyan előnyt biztosítanak, amely gyakran felülmúlja a szerény méretű korpuszokon, a feladatspecifikus modellekkel szemben, amelyeket a nulláról tanítottak be.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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), 3982–3992. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/hu/deep-learning/transfer-learning-with-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.
- BERT-alapú osztályozásMélytanulás↔ összehasonlítás
- Finomhangolt mondatbeágyazásokMélytanulás↔ összehasonlítás
- RoBERTa-alapú osztályozásMélytanulás↔ összehasonlítás
- MondatbeágyazásokMélytanulás↔ összehasonlítás
- Transzfer tanulás BERT-alapú osztályozássalMélytanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →