BERT Embeddings — Kontekstuelle tekstrepresentasjoner
BERT-baserte tekst-embeddings, introdusert av Devlin og kolleger ved Google AI i 2019, transformerer tekst til kontekstsensitive, tette vektorer ved bruk av en bidireksjonell Transformer-enkoder. Fordi et ords betydning endres med konteksten, produserer BERT rikere representasjoner enn statiske metoder som Word2Vec eller emnemodeller som LDA.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+21 more
Kilder
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171-4186. DOI: 10.18653/v1/N19-1423 ↗
- Tenney, I., Das, D. & Pavlick, E. (2019). BERT Rediscovers the Classical NLP Pipeline. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL), 4593-4601. DOI: 10.18653/v1/P19-1452 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). BERT-Based Text Embeddings. ScholarGate. https://scholargate.app/no/text-mining/bert-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.
- Doc2VecTekstutvinning↔ compare
- GloVe-innleiringerTekstutvinning↔ compare
- SentimentanalyseTekstutvinning↔ compare
- Word2VecTekstutvinning↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →