Самоконтролируемые эмбеддинги предложений
Самоконтролируемые эмбеддинги предложений обучают нейронный кодировщик отображать предложения в плотное векторное пространство без необходимости использования вручную размеченных пар. Автоматически конструируя положительные примеры — например, пропуская одно и то же предложение через дропаут дважды — и используя контрастивные цели, модель обучается семантически богатым представлениям, которые хорошо переносятся на задачи сходства, поиска и классификации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Классификация на основе самообуча с использованием BERTГлубокое обучение↔ compare
- Трансформер с самообучением (Self-supervised Transformer)Глубокое обучение↔ compare
- Получение полуобучаемых векторных представлений предложенийГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →