ScholarGate
Asistent
Process / pipeline

Семантичка сличност — мерење значења између текстова

Анализа семантичке сличности мери колико су два текста блиска по значењу, а не колико речи деле на површини. Надовeзујући се на рад Sentence-BERT аутора Reimers и Gurevych (2019), сваки текст представља као вектор и упоређује те векторе тако да парафразе постижу висок резултат чак и када се њихов израз разликује.

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. Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link
  2. Agirre, E. et al. (2013). *SEM 2013 shared task: Semantic Textual Similarity. ACL (*SEM). link

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Semantic Similarity Analysis. ScholarGate. https://scholargate.app/sr/text-mining/semantic-similarity

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

ScholarGateSemantic Similarity (Semantic Similarity Analysis). Preuzeto 2026-06-15 sa https://scholargate.app/sr/text-mining/semantic-similarity · Skup podataka: https://doi.org/10.5281/zenodo.20539026