ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Sentence Embeddings

Sentence Embeddings zetten een zin of korte tekst om in één enkele dichte vector met een vaste lengte die de semantische betekenis ervan vastlegt. Deze vectoren stellen downstreamtaken — semantische similariteit, clustering, retrieval en classificatie — in staat om te opereren op numerieke representaties in plaats van op ruwe tekst, waardoor ze een van de meest veelzijdige bouwstenen in moderne NLP-pipelines zijn.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

Sentence Embeddings
BERT-gebaseerde Classifi…Long Short-Term Memory (…RoBERTa-gebaseerde Class…OnderwerpmodelleringDomein-adaptieve BERT-ge…Domein-adaptieve zinsinb…Domein-adaptieve sentime…Domein-adaptieve Word2VecUitlegbare BERT-gebaseer…Uitlegbare NMF-onderwerp…

+43 more

Bronnen

  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), 3980–3990. DOI: 10.18653/v1/D19-1410 ↗
  2. Kiros, R., Zhu, Y., Salakhutdinov, R., Zemel, R. S., Torralba, A., Urtasun, R., & Fidler, S. (2015). Skip-Thought Vectors. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗

Deze pagina citeren

ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/nl/deep-learning/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.

Compare side by side →

Geciteerd door

BERT-gebaseerde ClassificatieDomein-adaptieve BERT-gebaseerde ClassificatieDomein-adaptieve zinsinbeddingenDomein-adaptieve sentimentanalyseDomein-adaptieve Word2VecUitlegbare BERT-gebaseerde ClassificatieUitlegbare NMF-onderwerpmodelVerklaarbare vraagbeantwoordingUitlegbare RoBERTa-gebaseerde ClassificatieExplainable Sentence EmbeddingsVerklarende sentimentanalyseVerklaarbare TekstsamenvattingExplainable Topic ModelingFijn-afgestelde BERT-gebaseerde ClassificatieFijnafgestemde Doc2VecFijn-afgestemd LDA-onderwerpmodelVertaalde VraagbeantwoordingFijnafgestelde classificatie gebaseerd op RoBERTaFijn-afgestelde zinsinbeddingenFijnafgestemde tekstsamenvattingFijnafgesteld OnderwerpmodelleringFine-Tuned Word2VecLDA-onderwerpmodelLong Short-Term Memory (LSTM)Meertalige Doc2VecMeertalige Zins-EmbeddingsMultilingue SentimentanalyseMeertalige TekstsamenvattingMultilinguïstische TransformerMultimodal Doc2VecMultimodale RoBERTa-gebaseerde ClassificatieMultimodale TransformerMultimodal Word2VecNMF-onderwerpmodelRoBERTa-gebaseerde ClassificatieZelf-gesuperviseerd LDA-onderwerpmodelZelf-gesuperviseerde zinsinbeddingenZelf-gesuperviseerde onderwerpmodelleringZelf-gesuperviseerde TransformerSemi-supervised LDA Topic ModelSemi-supervised NMF Topic ModelSemi-supervised Sentence EmbeddingsSemi-supervised Word2VecOnderwerpmodelleringTransfer Learning met BERT-gebaseerde ClassificatieTransfer Learning met Named Entity RecognitionTransfer Learning met ZinsinbeddingenTransfer Learning met TekstsamenvattingTransfer Learning met Topic ModelingTransfer Learning met Word2VecZwak-gesuperviseerd LDA-onderwerpmodelZwakke gesuperviseerde zinsinbeddingenWeakly Supervised Word2Vec

Een fout op deze pagina gezien? Meld het of stel een correctie voor →

ScholarGate — Sentence Embeddings (Sentence Embeddings (Dense Vector Representations of Sentences)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/deep-learning/sentence-embeddings · Gegevensset: https://doi.org/10.5281/zenodo.20539026