Machine learningDeep learning / NLP / CV
문장 임베딩을 이용한 전이 학습
문장 임베딩을 이용한 전이 학습은 일반적인 언어 지식을 이미 고정 길이 벡터로 인코딩한 Sentence-BERT 또는 Universal Sentence Encoder와 같은 대규모 사전 훈련된 인코더를 가져와, 적은 양의 추가 레이블 데이터로 새로운 작업이나 도메인에 맞게 조정하는 방식입니다. 사전 훈련된 표현은 적당한 규모의 코퍼스에서 처음부터 훈련된 작업별 모델보다 종종 더 나은 성능을 보이는 선행 이점을 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- 미세조정된 문장 임베딩딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- BERT 기반 전이 학습을 이용한 분류딥러닝↔ compare