Svagt övervakade meningsinbäddningar
Svagt övervakade meningsinbäddningar tränar täta meningsrepresentationer med hjälp av brusiga, heuristiska eller programmatiskt genererade etiketter istället för kostsam mänsklig annotering. Etikettfunktioner — regler, distansierade övervakningssignaler eller lättviktiga klassificerare — tillhandahåller approximativ övervakning som en etikettmodell aggregerar till probabilistiska etiketter, vilka sedan styr meningskodaren att producera uppgiftsanvändbara representationer i stor skala.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. link ↗
- 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). DOI: 10.18653/v1/D19-1410 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/sv/deep-learning/weakly-supervised-sentence-embeddings
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.
- BERT-baserad klassificeringDjupinlärning↔ compare
- Självövervakade meningsinbäddningarDjupinlärning↔ compare
- Semi-övervakade meningsinbäddningarDjupinlärning↔ compare
- MeningsinbäddningarDjupinlärning↔ compare
- Transfer Learning med SatsinbäddningarDjupinlärning↔ compare
- Svag övervakad BERT-baserad klassificeringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →