Weakly Supervised Sentence Embeddings
การฝึกฝนตัวแทนประโยคแบบหนาแน่น (dense sentence representations) โดยใช้ป้ายกำกับ (labels) ที่มีสัญญาณรบกวน (noisy), มีลักษณะเป็นกฎเกณฑ์ (heuristic), หรือสร้างขึ้นโดยอัตโนมัติ แทนที่จะใช้การกำกับดูแลโดยมนุษย์ซึ่งมีค่าใช้จ่ายสูง ฟังก์ชันกำกับดูแล (Labeling functions) — ซึ่งอาจเป็นกฎ, สัญญาณการกำกับดูแลระยะไกล (distant supervision signals), หรือตัวจำแนกประเภทอย่างง่าย — จะให้การกำกับดูแลโดยประมาณ (approximate supervision) ซึ่งโมเดลกำกับดูแล (label model) จะรวบรวมเป็นป้ายกำกับเชิงความน่าจะเป็น (probabilistic labels) เพื่อนำทางตัวเข้ารหัสประโยค (sentence encoder) ให้สร้างตัวแทนที่มีประโยชน์สำหรับงานนั้นๆ ในระดับใหญ่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Weakly Supervised Sentence Embeddings. ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การสร้างเวกเตอร์แทนประโยคแบบ Self-supervisedการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคแบบกึ่งกำกับดูแล (Semi-supervised Sentence Embeddings)การเรียนรู้เชิงลึก↔ compare
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยการฝังประโยคการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ BERT โดยใช้การกำกับดูแลแบบอ่อนการเรียนรู้เชิงลึก↔ compare