Embedding Kalimat yang Disesuaikan
Embedding Kalimat yang Disesuaikan mengadaptasi pengode kalimat pra-terlatih serbaguna — seperti Sentence-BERT — ke domain atau tugas tertentu dengan melanjutkan pelatihan pada data teks berlabel atau berpasangan dari domain tersebut. Embedding yang dihasilkan menangkap struktur semantik spesifik domain jauh lebih baik daripada vektor siap pakai, meningkatkan tugas hilir seperti kesamaan semantik, pengelompokan, klasifikasi, dan pengambilan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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. DOI: 10.18653/v1/D19-1410 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/id/deep-learning/fine-tuned-sentence-embeddings
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ bandingkan
- Klasifikasi Berbasis BERT yang Di-fine-tunePembelajaran Mendalam↔ bandingkan
- Transformer yang Disesuaikan HalusPembelajaran Mendalam↔ bandingkan
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ bandingkan
- Sentence EmbeddingsPembelajaran Mendalam↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →