Machine learningDeep learning / NLP / CV
弱教師あり文埋め込み
弱教師あり文埋め込みは、高価な人間によるアノテーションの代わりに、ノイズの多い、ヒューリスティックな、またはプログラムで生成されたラベルを使用して、密な文表現を訓練します。ラベリング関数（ルール、遠隔教師あり信号、または軽量分類器）は、ラベルモデルが確率的ラベルに集約する近似教師あり信号を提供し、それが文エンコーダーをガイドして、大規模にタスクに有用な表現を生成します。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/ja/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.
- BERTベースの分類深層学習↔ compare
- 自己教師あり学習による文埋め込み (Self-supervised Sentence Embeddings)深層学習↔ compare
- 半教師あり文埋め込み深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- 文埋め込みによる転移学習深層学習↔ compare
- 弱教師ありBERTベース分類深層学習↔ compare