Fine-Tuned Sentence Embeddings
Fine-Tuned Sentence Embeddings adapt a general-purpose pre-trained sentence encoder — such as Sentence-BERT — to a specific domain or task by continuing training on labeled or paired text data from that domain. The resulting embeddings capture domain-specific semantic structure far better than off-the-shelf vectors, improving downstream tasks such as semantic similarity, clustering, classification, and retrieval.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.