Fine-Tuned Sentence Embeddings
Fine-Tuned Sentence Embeddings mengadaptasi pengekod ayat pra-latih tujuan umum — seperti Sentence-BERT — kepada domain atau tugasan spesifik dengan meneruskan latihan pada data teks berlabel atau berpasangan dari domain tersebut. Embedding yang terhasil menangkap struktur semantik khusus domain dengan lebih baik berbanding vektor luar kotak, meningkatkan tugasan hiliran seperti kesamaan semantik, pengelompokan, pengelasan, dan pengambilan.
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 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-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
- Klasifikasi Berasaskan BERT yang Ditala HalusPembelajaran Mendalam↔ banding
- Transformer yang Ditalar HalusPembelajaran Mendalam↔ banding
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ banding
- Penyematan AyatPembelajaran Mendalam↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →