Penyematan Ayat Adaptif Domain
Penyematan ayat adaptif domain melanjutkan pengekod ayat tujuan umum — seperti Sentence-BERT — dengan meneruskan latihan mereka pada teks khusus domain. Hasilnya ialah perwakilan vektor panjang tetap yang menangkap kedua-dua pemahaman bahasa universal dan perbendaharaan kata, gaya, serta nuansa semantik domain sasaran, meningkatkan tugasan NLP hiliran seperti carian semantik, pengelompokan dan pengelasan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-sentence-embeddings
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ banding
- Fine-Tuned Sentence EmbeddingsPembelajaran Mendalam↔ banding
- Pembenaman Ayat Berbilang BahasaPembelajaran Mendalam↔ banding
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ banding
- Penyematan AyatPembelajaran Mendalam↔ banding
- Pembelajaran Pemindahan dengan Penyematan ZarahPembelajaran Mendalam↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →