Półnadzorowane osadzanie zdań
Półnadzorowane osadzanie zdań łączy niewielki zbiór oznakowanych par zdań z dużą ilością nieoznakowanego tekstu w celu trenowania gęstych reprezentacji wektorowych zdań. Wykorzystując obfite nieoznakowane dane poprzez cele kontrastowe lub pseudo-oznakowanie, modele te generują wysokiej jakości osadzenia do zadań podobieństwa semantycznego, wyszukiwania i klasyfikacji, nawet przy niedoborze danych oznakowanych.
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. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/pl/deep-learning/semi-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
- Samonadzorowane osadzanie zdańUczenie głębokie↔ compare
- Klasyfikacja półnadzorowana oparta na BERTUczenie głębokie↔ compare
- Transformery z uczeniem półnadzorowanymUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →