Semi-supervised Sentence Embeddings
Semi-supervised sentence embeddings combineren een kleine set van gelabelde zinnenparen met grote hoeveelheden ongelabelde tekst om dichte vectorrepresentaties van zinnen te trainen. Door gebruik te maken van overvloedige ongelabelde data via contrastieve doelen of pseudo-labeling, produceren deze modellen hoogwaardige embeddings voor semantische similariteit, retrieval en classificatie, zelfs wanneer geannoteerde data schaars is.
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.
Bronnen
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/nl/deep-learning/semi-supervised-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
- Zelf-gesuperviseerde zinsinbeddingenDeep learning↔ compare
- Semi-gesuperviseerde BERT-gebaseerde ClassificatieDeep learning↔ compare
- Semi-supervised TransformerDeep learning↔ compare
- Sentence EmbeddingsDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →