Embedding Kalimat yang Diawasi Secara Lemah
Embedding kalimat yang diawasi secara lemah melatih representasi kalimat padat menggunakan label yang berisik, heuristik, atau dihasilkan secara terprogram alih-alih anotasi manusia yang mahal. Fungsi pelabelan — aturan, sinyal pengawasan jarak jauh, atau pengklasifikasi ringan — menyediakan pengawasan perkiraan yang diagregasi oleh model label menjadi label probabilistik, yang kemudian memandu pengkode kalimat untuk menghasilkan representasi yang berguna untuk tugas dalam skala besar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- 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). DOI: 10.18653/v1/D19-1410 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/id/deep-learning/weakly-supervised-sentence-embeddings
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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Embedding Kalimat Swadaya-TerawasiPembelajaran Mendalam↔ compare
- Semi-supervised Sentence EmbeddingsPembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
- Transfer Learning dengan Sentence EmbeddingsPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT dengan Pengawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →