ScholarGate
Asszisztens
Process / pipeline

Szemantikai hasonlóság — A szövegek közötti jelentés mérése

A szemantikai hasonlóság elemzés azt méri, hogy két szöveg mennyire közel áll egymáshoz jelentésükben, nem pedig azt, hogy felszínesen mennyi szót osztanak meg. A Reimers és Gurevych (2019) által kidolgozott Sentence-BERT munkájára építve minden szöveget vektorként reprezentál, és összehasonlítja ezeket a vektorokat, így a parafrázisok magas pontszámot kapnak, még akkor is, ha a megfogalmazásuk eltér.

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. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Hogyan hivatkozzon erre az oldalra

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

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

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/text-mining/semantic-similarity · Adatkészlet: https://doi.org/10.5281/zenodo.20539026