Machine learningDeep learning / NLP / CV
약한 지도 하의 문장 임베딩
약한 지도 하의 문장 임베딩은 비용이 많이 드는 인간 주석 대신 노이즈가 많거나, 휴리스틱하거나, 프로그래밍 방식으로 생성된 레이블을 사용하여 조밀한 문장 표현을 학습시킵니다. 레이블링 함수 — 규칙, 원거리 지도 신호 또는 경량 분류기 — 는 레이블 모델이 확률적 레이블로 집계하는 근사적인 지도를 제공하며, 이는 문장 인코더가 대규모로 작업에 유용한 표현을 생성하도록 안내합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- 자기 지도 학습 문장 임베딩딥러닝↔ compare
- 준지도 학습 문장 임베딩딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- 문장 임베딩을 이용한 전이 학습딥러닝↔ compare
- 약한 지도 BERT 기반 분류딥러닝↔ compare