Embeddings de Sentenças Semi-supervisionados
Embeddings de sentenças semi-supervisionados combinam um pequeno conjunto de pares de sentenças rotulados com grandes quantidades de texto não rotulado para treinar representações vetoriais densas de sentenças. Ao explorar dados não rotulados abundantes por meio de objetivos contrastivos ou pseudo-rotulagem, esses modelos produzem embeddings de alta qualidade para similaridade semântica, recuperação e classificação, mesmo quando dados anotados são escassos.
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. 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Embeddings de Sentenças Auto-supervisionadosAprendizado profundo↔ compare
- Classificação Semi-supervisionada Baseada em BERTAprendizado profundo↔ compare
- Transformador SemissupervisionadoAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →