ScholarGate
Assistent
Process / pipeline

Semantische Similariteit — Het Meten van Betekenis Tussen Teksten

Semantische similariteitsanalyse meet hoe dicht de betekenis van twee teksten bij elkaar ligt, in plaats van hoeveel woorden ze oppervlakkig delen. Voortbouwend op het Sentence-BERT werk van Reimers en Gurevych (2019), representeert het elke tekst als een vector en vergelijkt het die vectoren zodanig dat parafrasen hoog scoren, zelfs als hun bewoordingen verschillen.

Openen in MethodMindBinnenkortVideoBinnenkortDia's downloaden

Lees de volledige methode

Alleen voor leden

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

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

  1. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Deze pagina citeren

ScholarGate. (2026, June 1). Semantic Similarity Analysis. ScholarGate. https://scholargate.app/nl/text-mining/semantic-similarity

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.

Naast elkaar vergelijken

Geciteerd door

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/text-mining/semantic-similarity · Gegevensset: https://doi.org/10.5281/zenodo.20539026