Osadzone reprezentacje zdań adaptowane do dziedziny
Osadzone reprezentacje zdań adaptowane do dziedziny rozszerzają ogólne enkodery zdań – takie jak Sentence-BERT – poprzez kontynuowanie ich trenowania na tekstach specyficznych dla danej dziedziny. Rezultatem jest reprezentacja wektorowa o stałej długości, która oddaje zarówno uniwersalne rozumienie języka, jak i słownictwo, styl oraz niuanse semantyczne dziedziny docelowej, poprawiając zadania NLP niższego poziomu, takie jak wyszukiwanie semantyczne, klastrowanie i klasyfikacja.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/pl/deep-learning/domain-adaptive-sentence-embeddings
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Klasyfikacja oparta na BERTUczenie głębokie↔ porównaj
- Dostrojone osadzenia zdańUczenie głębokie↔ porównaj
- Wielojęzyczne osadzanie zdańUczenie głębokie↔ porównaj
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ porównaj
- Osadzanie zdańUczenie głębokie↔ porównaj
- Uczenie transferowe z osadzaniem zdańUczenie głębokie↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →