Embeddings de Sentenças Auto-supervisionados
Embeddings de sentenças auto-supervisionados treinam um codificador neural para mapear sentenças em um espaço vetorial denso sem requerer pares rotulados manualmente. Ao construir exemplos positivos automaticamente — por exemplo, passando a mesma sentença pelo dropout duas vezes — e usando objetivos contrastivos, o modelo aprende representações semanticamente ricas que se transferem bem para tarefas de similaridade, recuperação e classificação.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Classificação baseada em BERT auto-supervisionadoAprendizado profundo↔ compare
- Transformer Auto-supervisionadoAprendizado profundo↔ compare
- Embeddings de Sentenças Semi-supervisionadosAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →