Aprendizagem por Transferência com Embeddings de Sentenças
A Aprendizagem por Transferência com Embeddings de Sentenças utiliza um grande codificador pré-treinado — como Sentence-BERT ou o Universal Sentence Encoder — que já codifica conhecimento linguístico geral em vetores de comprimento fixo, e o adapta a uma nova tarefa ou domínio com pouca informação rotulada adicional. As representações pré-treinadas fornecem uma vantagem inicial que frequentemente supera modelos específicos da tarefa treinados do zero em corpora modestos.
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
- 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. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/pt/deep-learning/transfer-learning-with-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 Frases Ajustados por Ajuste FinoAprendizado profundo↔ compare
- Classificação baseada em RoBERTaAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
- Transfer Learning com Classificação Baseada em BERTAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →