Domän-adaptiva meningsinbäddningar
Domän-adaptiva meningsinbäddningar utökar allmänna meningskodare – såsom Sentence-BERT – genom att fortsätta deras träning på domänspecifik text. Resultatet är en vektorrepresentation med fast längd som fångar både universell språkförståelse och måldomänens vokabulär, stil och semantiska nyanser, vilket förbättrar efterföljande NLP-uppgifter såsom semantisk sökning, klustring och klassificering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/sv/deep-learning/domain-adaptive-sentence-embeddings
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- BERT-baserad klassificeringDjupinlärning↔ jämför
- Finjusterade meningsinbäddningarDjupinlärning↔ jämför
- Flerspråkiga meningsinbäddningarDjupinlärning↔ jämför
- Klassificering baserad på RoBERTaDjupinlärning↔ jämför
- MeningsinbäddningarDjupinlärning↔ jämför
- Transfer Learning med SatsinbäddningarDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →