Fijn-afgestelde zinsinbeddingen
Fijn-afgestelde zinsinbeddingen passen een algemeen vooraf getraind zinsencoder — zoals Sentence-BERT — aan een specifiek domein of taak aan door de training voort te zetten op gelabelde of gepaarde tekstgegevens uit dat domein. De resulterende inbeddingen vangen domeinspecifieke semantische structuur veel beter op dan standaardvectoren, wat downstreamtaken zoals semantische similariteit, clustering, classificatie en retrieval 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 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/nl/deep-learning/fine-tuned-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 BERT-gebaseerde ClassificatieDeep learning↔ vergelijken
- Gefinetunede TransformerDeep learning↔ vergelijken
- RoBERTa-gebaseerde ClassificatieDeep learning↔ vergelijken
- Sentence EmbeddingsDeep learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →