Meertalige Zins-Embeddings
Meertalige zins-embeddings brengen zinnen uit meerdere talen onder in één gedeelde vectorruimte, zodat semantisch equivalente zinnen — ongeacht de taal — dicht bij elkaar liggen. Modellen zoals LaBSE, meertalige Sentence-BERT en mUSE hebben het praktisch gemaakt om tekst in 50 tot meer dan 100 talen te vergelijken, op te halen en te classificeren zonder eerst iets te vertalen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Bronnen
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/nl/deep-learning/multilingual-sentence-embeddings
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT-gebaseerde ClassificatieDeep learning↔ compare
- Multilinguale RoBERTa-gebaseerde ClassificatieDeep learning↔ compare
- Multilinguïstische TransformerDeep learning↔ compare
- Sentence EmbeddingsDeep learning↔ compare
- Transfer Learning met ZinsinbeddingenDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →