ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Setningsembddinger

Setningsembddinger konverterer en setning eller kort tekst til en enkelt, fast-lengde, tett vektor som fanger opp dens semantiske mening. Disse vektorene lar nedstrømsoppgaver — semantisk likhet, klynging, gjenfinning og klassifisering — operere på numeriske representasjoner i stedet for rå tekst, noe som gjør dem til en av de mest allsidige byggesteinene i moderne NLP-pipelines.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Setningsembddinger
BERT-basert klassifiseri…Langtidskorttidsminne (L…RoBERTa-basert klassifis…Emne-modelleringDomene-adaptiv BERT-base…Domene-tilpassede setnin…Domene-adaptiv sentiment…Domene-tilpasset Word2VecForklarbar BERT-basert k…Forklarbar NMF-temamodell

+43 more

Kilder

  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 ↗

Slik siterer du denne siden

ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/no/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 →

Referert av

BERT-basert klassifiseringDomene-adaptiv BERT-basert klassifiseringDomene-tilpassede setningsinnbyggingerDomene-adaptiv sentimentanalyseDomene-tilpasset Word2VecForklarbar BERT-basert klassifiseringForklarbar NMF-temamodellForklarbar spørsmålsbesvarelseExplainable RoBERTa-based ClassificationForklarbare setningsinnbyggingerForklarbar sentimentanalyseForklarbar tekstoppsummeringForklarbar emnemodelleringFinputilpasset BERT-basert klassifiseringFinjustert Doc2VecFinjustert LDA-emnemodellFinjustert spørsmål-svarFinetunet RoBERTa-basert klassifiseringFinjusterte setningsinnleiringerFinjustert tekstoppsummeringFinjustert emnemodelleringFinjustert Word2VecLDA emnemodellLangtidskorttidsminne (LSTM)Multilingual Doc2VecFlerspråklige setningsinnbyggingerFlerspråklig sentimentanalyseFler-språklig tekstoppsummeringMultilingual TransformerMultimodal Doc2VecMultimodal RoBERTa-basert klassifiseringMultimodal transformereMultimodal Word2VecNMF emnemodellRoBERTa-basert klassifiseringSelv-supervisert LDA emnemodellSelvovervåkede setningsinnleiringerSelv-supervisert emnemodelleringSelv-supervisert TransformerSemi-supervised LDA-emnemodellSemiveiledetet NMF-emnemodellSemi-veiledte setningsembedding[REQUIRES TRANSLATION]Emne-modelleringOverføringslæring med BERT-basert klassifiseringOverføringslæring med navngitt enhetsgjenkjenningOverføringslæring med setningsinnbyggingerOverføringslæring med tekstoppsummeringOverføringslæring med emnemodelleringOverføringslæring med Word2VecSvakt veiledet LDA-emnemodellSvakt overvåkede setningsinnbyggingerSvakt veiledet Word2Vec

Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →

ScholarGate — Sentence Embeddings (Sentence Embeddings (Dense Vector Representations of Sentences)). Hentet 2026-06-15 fra https://scholargate.app/no/deep-learning/sentence-embeddings · Datasett: https://doi.org/10.5281/zenodo.20539026