Доменно-адаптированные эмбеддинги предложений
Доменно-адаптированные эмбеддинги предложений расширяют возможности универсальных кодировщиков предложений — таких как Sentence-BERT — путем продолжения их обучения на текстах, специфичных для определенной предметной области. Результатом является векторное представление фиксированной длины, которое улавливает как универсальное понимание языка, так и словарный запас, стиль и семантические нюансы целевой области, улучшая последующие задачи обработки естественного языка (NLP), такие как семантический поиск, кластеризация и классификация.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/ru/deep-learning/domain-adaptive-sentence-embeddings
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Классификация на основе BERTГлубокое обучение↔ сравнить
- Тонкая настройка эмбеддингов предложенийГлубокое обучение↔ сравнить
- Многоязычные вложения предложенийГлубокое обучение↔ сравнить
- Классификация на основе RoBERTaГлубокое обучение↔ сравнить
- Векторные представления предложенийГлубокое обучение↔ сравнить
- Transfer Learning with Sentence EmbeddingsГлубокое обучение↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →