การฝังประโยคแบบปรับตัวตามโดเมน (Domain-Adaptive Sentence Embeddings)
การฝังประโยคแบบปรับตามโดเมน (Domain-adaptive sentence embeddings) เป็นการขยายขีดความสามารถของตัวเข้ารหัสประโยคทั่วไป เช่น Sentence-BERT โดยการฝึกฝนเพิ่มเติมด้วยข้อความเฉพาะทางโดเมน ผลลัพธ์ที่ได้คือการแทนค่าแบบเวกเตอร์ที่มีความยาวคงที่ ซึ่งจับทั้งความเข้าใจภาษาทั่วไปและคำศัพท์ รูปแบบ และความแตกต่างทางความหมายของโดเมนเป้าหมาย ช่วยปรับปรุงงาน NLP ที่ตามมา เช่น การค้นหาเชิงความหมาย การจัดกลุ่ม และการจำแนกประเภท
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/th/deep-learning/domain-adaptive-sentence-embeddings
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- การฝังประโยคแบบปรับละเอียดการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- การฝังประโยคหลายภาษาการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- การเรียนรู้แบบถ่ายโอนด้วยการฝังประโยคการเรียนรู้เชิงลึก↔ เปรียบเทียบ