Finjusterade meningsinbäddningar
Finjusterade meningsinbäddningar anpassar en allmän förtränad meningskodare – såsom Sentence-BERT – till en specifik domän eller uppgift genom att fortsätta träningen på märkt eller parvis textdata från den domänen. De resulterande inbäddningarna fångar domänspecifik semantisk struktur mycket bättre än färdiga vektorer, vilket förbättrar nedströmsuppgifter såsom semantisk likhet, klustring, klassificering och informationssökning.
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 the 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/sv/deep-learning/fine-tuned-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
- Fintrimmad BERT-baserad klassificeringDjupinlärning↔ jämför
- Fintrimmad transformatorDjupinlärning↔ jämför
- Klassificering baserad på RoBERTaDjupinlärning↔ jämför
- MeningsinbäddningarDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →