Machine learningDeep learning / NLP / CV

Embërtimet e fjalive

Embërtimet e fjalive konvertojnë një fjali ose tekst të shkurtër në një vektor të vetëm me gjatësi fikse, të dendur, që kap kuptimin e tij semantik. Këta vektorë lejojnë detyrat e mëvonshme — ngjashmëria semantike, grupimi, kërkimi dhe klasifikimi — të operojnë mbi përfaqësime numerike në vend të tekstit të papërpunuar, duke i bërë ato një nga blloqet ndërtuese më të gjithanshme në linjat e përpunimit të NLP moderne.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

Embërtimet e fjalive

Klasifikimi i bazuar në…Long Short-Term Memory (…Klasifikim i bazuar në R…Modelimi i temave Klasifikimi i bazuar në…Embërtimet e frazave të…Analizë Sentimentale Ad-…Word2Vec i adaptuar ndaj…Klasifikimi i shpjeguesh…Model Tematik NMF i Shpj…

+43 more

Burimet

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), 3980–3990. DOI: 10.18653/v1/D19-1410 ↗
Kiros, R., Zhu, Y., Salakhutdinov, R., Zemel, R. S., Torralba, A., Urtasun, R., & Fidler, S. (2015). Skip-Thought Vectors. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Sentence Embeddings (Dense Vector Representations of Sentences). ScholarGate. https://scholargate.app/sq/deep-learning/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.

Klasifikimi i bazuar në BERTMësimi i thellë↔ compare
Long Short-Term Memory (LSTM)Mësimi i thellë↔ compare
Klasifikim i bazuar në RoBERTaMësimi i thellë↔ compare
Modelimi i temaveMësimi i thellë↔ compare

Compare side by side →

Cituar nga

Klasifikimi i bazuar në BERT Klasifikimi i bazuar në BERT të përshtatur me domen Embërtimet e frazave të përshtatura sipas domenit Analizë Sentimentale Ad-Hoc Domeneve Word2Vec i adaptuar ndaj domenit Klasifikimi i shpjegueshëm i bazuar në BERT Model Tematik NMF i Shpjegueshëm Përgjigje e Shpjegueshme e Pyetjeve Klasifikimi i Shpjegueshëm i Bazuar në RoBERTa Ngulitje fjalish të shpjegueshme Analiza e Shpjegueshme e Ndjenjave Përmbledhje Teksti e Shpjegueshme Modelimi i temave të shpjegueshëm Klasifikim i bazuar në BERT të Stërvitur imët Doc2Vec i Përshtatur imët Model Tematik LDA i Akorduar Mirë Përgjigje Pyetjesh e Përshtatur Mirë Klasifikimi i akorduar imët i bazuar në RoBERTa Embeddings fjalish të akorduar imët Përmbledhje e tekstit e akorduar imët Modelimi i temave i përshtatur (Fine-Tuned Topic Modeling)Word2Vec i Përshtatur Model Tematik LDA Long Short-Term Memory (LSTM)Doc2Vec Multilingual Embeddings të fjalive shumëgjuhëshe Analiza e Ndjenjave Multilinguale Përmbledhja Multilinguale e Tekstit Transformer Multilingual Multimodal Doc2Vec Klasifikimi Multimodal i Bazuar në RoBERTa Transformator Multimodal Multimodal Word2Vec Modeli Tematik NMF Klasifikim i bazuar në RoBERTa Modeli i vetë-mbikëqyrur LDA për Temat Embeddings fjalish të vetë-mbikëqyrura Modelimi i temave me vetë-mbikëqyrje Transformer vetë-i-mbikëqyrur Model LDA gjysmë-i mbikëqyrur Model Tematik NMF Gjysmë i Mbikëqyrur Embëditjet gjysmë-mbikëqyrëse të fjalive Word2Vec gjysmë-i mbikëqyrur Modelimi i temave Mësimi me Transferim me Klasifikim të Bazuar në BERT Mësimi i Transferueshëm me Njohjen e Entiteteve të Emëruara Mësimi me Transferim me Përfaqësime Fjalish Mësimi me Transferim për Përmbledhjen e Tekstit Transferimi i të Mësuarit me Modelimin e Temave Transfer Learning me Word2Vec Model LDA me mbikëqyrje të dobët Embëdime të frazave me mbikëqyrje të dobët Word2Vec me Mbikëqyrje të Dobët

Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →