การสร้างเวกเตอร์แทนประโยคแบบ Self-supervised
การสร้างเวกเตอร์แทนประโยคแบบ Self-supervised (Self-supervised sentence embeddings) ฝึกฝนตัวเข้ารหัสโครงข่ายประสาทเทียม (neural encoder) เพื่อแปลงประโยคให้อยู่ในรูปปริภูมิเวกเตอร์ความหนาแน่นสูง (dense vector space) โดยไม่ต้องอาศัยคู่ข้อมูลที่ติดป้ายกำกับด้วยมือ ด้วยการสร้างตัวอย่างเชิงบวกโดยอัตโนมัติ เช่น การส่งประโยคเดียวกันผ่าน dropout สองครั้ง และใช้เป้าหมายแบบเปรียบเทียบ (contrastive objectives) โมเดลจะเรียนรู้การนำเสนอที่มีความหมายเชิงความหมายที่สามารถถ่ายทอดได้ดีกับงานด้านความคล้ายคลึง การดึงข้อมูล และการจำแนกประเภท
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Gao, T., Yao, X., & Chen, D. (2021). SimCSE: Simple Contrastive Learning of Sentence Embeddings. Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP), 6894–6910. DOI: 10.18653/v1/2021.emnlp-main.552 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Learning for Sentence Embeddings. ScholarGate. https://scholargate.app/th/deep-learning/self-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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบเรียนรู้ด้วยตนเองโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- Self-supervised Transformerการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคแบบกึ่งกำกับดูแล (Semi-supervised Sentence Embeddings)การเรียนรู้เชิงลึก↔ compare
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ compare