Domenam pielāgotas teikumu reprezentācijas
Domenam pielāgotas teikumu reprezentācijas paplašina vispārīgos teikumu kodētājus — piemēram, Sentence-BERT — turpinot to apmācību uz domēnam specifiska teksta. Rezultātā tiek iegūta fiksēta garuma vektora reprezentācija, kas ietver gan vispārēju valodas izpratni, gan mērķa domēna vārdu krājumu, stilu un semantiskās nianses, uzlabojot turpmākos NLP uzdevumus, piemēram, semantisko meklēšanu, klasterizāciju un klasifikāciju.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-sentence-embeddings
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- BERT klasifikācijaDziļā mācīšanās↔ salīdzināt
- Sintētiski pielāgotas teicienu iegultnesDziļā mācīšanās↔ salīdzināt
- Daudzvalodu teikumu iegulšanasDziļā mācīšanās↔ salīdzināt
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ salīdzināt
- Ievietojumi teikumiemDziļā mācīšanās↔ salīdzināt
- Pārneses apmācība ar teikumu iegulšanuDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →