Machine learningDeep learning / NLP / CV
도메인 적응형 문장 임베딩
도메인 적응형 문장 임베딩은 Sentence-BERT와 같은 범용 문장 인코더를 도메인별 텍스트에 대해 지속적으로 학습시켜 확장합니다. 그 결과는 보편적인 언어 이해와 대상 도메인의 어휘, 스타일, 의미론적 뉘앙스를 모두 포착하는 고정 길이 벡터 표현이며, 이는 의미 검색, 클러스터링 및 분류와 같은 다운스트림 자연어 처리(NLP) 작업의 성능을 향상시킵니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/ko/deep-learning/domain-adaptive-sentence-embeddings
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- BERT 기반 분류딥러닝↔ 비교
- 미세조정된 문장 임베딩딥러닝↔ 비교
- 다국어 문장 임베딩딥러닝↔ 비교
- RoBERTa 기반 분류딥러닝↔ 비교
- 문장 임베딩딥러닝↔ 비교
- 문장 임베딩을 이용한 전이 학습딥러닝↔ 비교