Embeddings di Frase Ottimizzati (Fine-Tuned Sentence Embeddings)
Gli Embeddings di Frase Ottimizzati adattano un codificatore di frasi pre-addestrato per scopi generali — come Sentence-BERT — a un dominio o compito specifico, continuando l'addestramento su dati testuali etichettati o appaiati provenienti da quel dominio. Gli embeddings risultanti catturano la struttura semantica specifica del dominio molto meglio dei vettori "off-the-shelf", migliorando i compiti a valle come la similarità semantica, il clustering, la classificazione e il recupero.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/it/deep-learning/fine-tuned-sentence-embeddings
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Classificazione basata su BERTApprendimento profondo↔ confronta
- Classificazione basata su BERT fine-tunedApprendimento profondo↔ confronta
- Transformer con addestramento fine-tunedApprendimento profondo↔ confronta
- Classificazione basata su RoBERTaApprendimento profondo↔ confronta
- Sentence EmbeddingsApprendimento profondo↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →