Machine learningDeep learning / NLP / CV

Transfer Learning with Sentence Embeddings

Transfer Learning with Sentence Embeddings использует большой предварительно обученный энкодер — такой как Sentence-BERT или Universal Sentence Encoder — который уже кодирует общие знания языка в векторы фиксированной длины, и адаптирует его к новой задаче или домену с небольшим количеством дополнительных размеченных данных. Предварительно обученные представления дают преимущество, которое часто превосходит специализированные модели, обученные с нуля на скромных корпусах.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateTransfer Learning with Sentence Embeddings (Transfer Learning with Pre-trained Sentence Embedding Models). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/transfer-learning-with-sentence-embeddings · Набор данных: https://doi.org/10.5281/zenodo.20539026