Machine learningDeep learning / NLP / CV
文埋め込みによる転移学習
文埋め込みによる転移学習は、Sentence-BERTやUniversal Sentence Encoderのような、一般的な言語知識を固定長のベクトルにエンコード済みの、大規模な事前学習済みエンコーダーを利用し、少量の追加ラベル付きデータで新しいタスクやドメインに適応させます。事前学習済み表現は、控えめなコーパスでゼロから学習したタスク固有モデルをしばしば上回る先行的な利点をもたらします。
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。
Method map
The neighbourhood of related methods — select a node to explore.
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. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/ja/deep-learning/transfer-learning-with-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.
- BERTベースの分類深層学習↔ compare
- ファインチューニングされた文埋め込み深層学習↔ compare
- RoBERTaベースの分類深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- BERTベースの転移学習による分類深層学習↔ compare