Samonadzorowane osadzanie zdań
Samonadzorowane osadzanie zdań trenuje enkoder neuronowy do mapowania zdań w gęstą przestrzeń wektorową bez potrzeby ręcznie etykietowanych par. Poprzez automatyczne konstruowanie przykładów pozytywnych — na przykład dwukrotne przepuszczenie tego samego zdania przez dropout — i wykorzystanie celów kontrastowych, model uczy się semantycznie bogatych reprezentacji, które dobrze przenoszą się na zadania podobieństwa, wyszukiwania i klasyfikacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP), 6894–6910. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/pl/deep-learning/self-supervised-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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na samo-nadzorowanym modelu BERTUczenie głębokie↔ compare
- Samo-nadzorowany TransformerUczenie głębokie↔ compare
- Półnadzorowane osadzanie zdańUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →