Slabo supervidované vety v podobe vložení
Slabo supervidované vety v podobe vložení trénujú husté reprezentácie viet pomocou šumových, heuristických alebo programovo generovaných označení namiesto nákladnej ľudskej anotácie. Funkcie označovania — pravidlá, signály vzdialenej supervízie alebo ľahké klasifikátory — poskytujú približnú supervíziu, ktorú model označení agreguje do pravdepodobnostných označení, ktoré potom vedú kódovač viet k produkcii reprezentácií užitočných pre úlohy vo veľkom meradle.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- 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). DOI: 10.18653/v1/D19-1410 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/sk/deep-learning/weakly-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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Samoučiacie sa vkladané vetyHlboké učenie↔ compare
- Polosupervízované vnorenia vietHlboké učenie↔ compare
- Vektorové reprezentácie vietHlboké učenie↔ compare
- Prenosové učenie so sémantickými vložkami vietHlboké učenie↔ compare
- Slabo supervidovaná klasifikácia založená na BERTHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →