Semi-övervakade meningsinbäddningar
Semi-övervakade meningsinbäddningar kombinerar en liten mängd märkt meningspar med stora mängder omärkt text för att träna täta vektorrepresentationer av meningar. Genom att utnyttja riklig omärkt data genom kontrastiva mål eller pseudomärkning, producerar dessa modeller högkvalitativa inbäddningar för semantisk likhet, informationssökning och klassificering även när annoterad data är knapp.
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
- 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 ↗
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Sentence Embeddings (Contrastive and Self-training Approaches). ScholarGate. https://scholargate.app/sv/deep-learning/semi-supervised-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
- Självövervakade meningsinbäddningarDjupinlärning↔ jämför
- Semi-supervised BERT-baserad klassificeringDjupinlärning↔ jämför
- Semi-supervised TransformerDjupinlärning↔ jämför
- MeningsinbäddningarDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →