Flerspråkiga meningsinbäddningar
Flerspråkiga meningsinbäddningar mappar meningar från många språk till ett enda delat vektorrum så att semantiskt ekvivalenta meningar – oavsett språk – hamnar nära varandra. Modeller som LaBSE, multilingual Sentence-BERT och mUSE har gjort det praktiskt att jämföra, hämta och klassificera text över 50 till 100+ språk utan att översätta något först.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+9 till
Källor
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/sv/deep-learning/multilingual-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
- Multilingual RoBERTa-baserad klassificeringDjupinlärning↔ jämför
- Multilingual TransformerDjupinlärning↔ jämför
- MeningsinbäddningarDjupinlärning↔ jämför
- Transfer Learning med SatsinbäddningarDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →