Dostrojone osadzenia zdań
Dostrojone osadzenia zdań adaptują ogólny, wstępnie wytrenowany enkoder zdań — taki jak Sentence-BERT — do specyficznej dziedziny lub zadania poprzez kontynuację treningu na oznakowanych lub sparowanych danych tekstowych z tej dziedziny. Uzyskane osadzenia znacznie lepiej oddają specyficzną dla dziedziny strukturę semantyczną niż gotowe wektory, poprawiając zadania niższego poziomu, takie jak podobieństwo semantyczne, klasteryzacja, klasyfikacja i wyszukiwanie.
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 the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/pl/deep-learning/fine-tuned-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
- Klasyfikacja oparta na dostrojonym modelu BERTUczenie głębokie↔ porównaj
- Dostrojony TransformerUczenie głębokie↔ porównaj
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ porównaj
- Osadzanie zdańUczenie głębokie↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →