Machine learningDeep learning / NLP / CV
ファインチューニングされた文埋め込み
ファインチューニングされた文埋め込みは、汎用的な事前学習済み文エンコーダー（例：Sentence-BERT）を、そのドメインのラベル付きまたはペア化されたテキストデータで学習を継続することにより、特定のドメインまたはタスクに適応させる手法です。結果として得られる埋め込みは、市販のベクトルよりもドメイン固有の意味構造をはるかに良く捉え、意味的類似性、クラスタリング、分類、検索などの下流タスクを改善します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-sentence-embeddings
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- BERTベースの分類深層学習↔ 比較
- ファインチューニングされたBERTベースの分類深層学習↔ 比較
- Fine-Tuned Transformer深層学習↔ 比較
- RoBERTaベースの分類深層学習↔ 比較
- 文埋め込み（Sentence Embeddings）深層学習↔ 比較