Векторные представления BERT — Контекстуализированные текстовые представления
Текстовые векторные представления на основе BERT, представленные Девлином и его коллегами из Google AI в 2019 году, преобразуют текст в контекстно-зависимые плотные векторы с использованием двунаправленного энкодера Transformer. Поскольку значение слова меняется в зависимости от контекста, BERT создает более богатые представления, чем статические методы, такие как Word2Vec, или тематические модели, такие как LDA.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+21 more
Источники
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171-4186. DOI: 10.18653/v1/N19-1423 ↗
- Tenney, I., Das, D. & Pavlick, E. (2019). BERT Rediscovers the Classical NLP Pipeline. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL), 4593-4601. DOI: 10.18653/v1/P19-1452 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). BERT-Based Text Embeddings. ScholarGate. https://scholargate.app/ru/text-mining/bert-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.
- Doc2VecИнтеллектуальный анализ текста↔ compare
- Встраивания GloVeИнтеллектуальный анализ текста↔ compare
- Анализ тональностиИнтеллектуальный анализ текста↔ compare
- Word2VecИнтеллектуальный анализ текста↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →