Sintētiski pielāgotas teicienu iegultnes
Sintētiski pielāgotas teicienu iegultnes pielāgo vispārīgas nozīmes iepriekš apmācītu teicienu kodētāju — piemēram, Sentence-BERT — konkrētai domēnai vai uzdevumam, turpinot apmācības uz iezīmētiem vai savienotiem teksta datiem no šīs domēnas. Iegūtās iegultnes daudz labāk uztver domēnai specifisko semantisko struktūru nekā standarta vektori, uzlabojot turpmākus uzdevumus, piemēram, semantisko līdzību, klasterizāciju, klasifikāciju un izguvi.
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 the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/lv/deep-learning/fine-tuned-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
- Klasifikācija, kas pielāgota ar BERTDziļā mācīšanās↔ salīdzināt
- Precīzi noskaņots transformatorsDziļā mācīšanās↔ salīdzināt
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ salīdzināt
- Ievietojumi teikumiemDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →