Machine learningDeep learning / NLP / CV

Полу-надгледано уграђивање реченица

Полу-надгледано уграђивање реченица комбинује мали скуп означених парова реченица са великим количинама неозначеног текста за обуку густих векторских репрезентација реченица. Искоришћавањем обиља неозначених података кроз контрастивне циљеве или псеудо-означавање, ови модели производе висококвалитетне уграђене репрезентације за семантичку сличност, преузимање и класификацију, чак и када је анотирани податак оскудан.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

  1. Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. In Proceedings of EMNLP 2021 (pp. 6894–6910). Association for Computational Linguistics. DOI: 10.18653/v1/2021.emnlp-main.552
  2. Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. In Proceedings of EMNLP-IJCNLP 2019 (pp. 3982–3992). Association for Computational Linguistics. DOI: 10.18653/v1/D19-1410

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/sr/deep-learning/semi-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.

Compare side by side

Citirana u

ScholarGateSemi-supervised Sentence Embeddings (Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/deep-learning/semi-supervised-sentence-embeddings · Skup podataka: https://doi.org/10.5281/zenodo.20539026