Многоязычные вложения предложений
Многоязычные вложения предложений отображают предложения из множества языков в единое общее векторное пространство таким образом, что семантически эквивалентные предложения — независимо от языка — оказываются близко друг к другу. Такие модели, как LaBSE, multilingual Sentence-BERT и mUSE, сделали практичным сравнение, поиск и классификацию текстов на 50–100+ языках без предварительного перевода.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Источники
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/ru/deep-learning/multilingual-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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Многоязычная классификация на основе RoBERTaГлубокое обучение↔ compare
- Мультиязычный трансформерГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
- Transfer Learning with Sentence EmbeddingsГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →