ScholarGate
Pembantu
Machine learningDeep learning / NLP / CV

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

Sumber

  1. 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
  2. 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.

Bandingkan secara bersebelahan

Dirujuk oleh

ScholarGateFine-Tuned Sentence Embeddings (Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/fine-tuned-sentence-embeddings · Set data: https://doi.org/10.5281/zenodo.20539026