Domein-adaptieve zinsinbeddingen
Domein-adaptieve zinsinbeddingen breiden algemene zinsencoders – zoals Sentence-BERT – uit door hun training voort te zetten op domein-specifieke tekst. Het resultaat is een vectorrepresentatie met een vaste lengte die zowel universeel taalbegrip als de woordenschat, stijl en semantische nuances van het doeldomein vastlegt, wat downstream NLP-taken zoals semantisch zoeken, clustering en classificatie verbetert.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/nl/deep-learning/domain-adaptive-sentence-embeddings
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- BERT-gebaseerde ClassificatieDeep learning↔ vergelijken
- Fijn-afgestelde zinsinbeddingenDeep learning↔ vergelijken
- Meertalige Zins-EmbeddingsDeep learning↔ vergelijken
- RoBERTa-gebaseerde ClassificatieDeep learning↔ vergelijken
- Sentence EmbeddingsDeep learning↔ vergelijken
- Transfer Learning met ZinsinbeddingenDeep learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →