Vāji uzraudzītas teicienu reprezentācijas
Vāji uzraudzītas teicienu reprezentācijas apmāca blīvas teicienu reprezentācijas, izmantojot trokšņainas, heuristiskas vai programmatiski ģenerētas etiķetes, nevis dārgu cilvēka anotāciju. Etiķešu funkcijas — noteikumi, attālinātas uzraudzības signāli vai viegli klasifikatori — nodrošina aptuvenu uzraudzību, ko etiķešu modelis apkopo probablistiskās etiķetēs, kas pēc tam vada teicienu enkoderi, lai radītu uzdevumam noderīgas reprezentācijas lielā mērogā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/lv/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 klasifikācijaDziļā mācīšanās↔ compare
- Pašuzraudzības teikumu iegulšanasDziļā mācīšanās↔ compare
- Puss-uzraudzītas teikumu iegultnesDziļā mācīšanās↔ compare
- Ievietojumi teikumiemDziļā mācīšanās↔ compare
- Pārneses apmācība ar teikumu iegulšanuDziļā mācīšanās↔ compare
- BERT klasifikācija ar vājo uzraudzībuDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →