Доопрацьовані речення-вбудовування
Доопрацьовані речення-вбудовування адаптують загальний попередньо навчений кодувальник речень — такий як Sentence-BERT — до конкретної області або завдання шляхом продовження навчання на розмічених або парних текстових даних з цієї області. Отримані вбудовування захоплюють семантичну структуру, специфічну для домену, набагато краще, ніж готові вектори, покращуючи подальші завдання, такі як семантична подібність, кластеризація, класифікація та пошук.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
- Reimers, N., & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4512–4525. DOI: 10.18653/v1/2020.emnlp-main.365 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Fine-Tuned Sentence Embeddings (Domain-Adapted Sentence Representation Learning). ScholarGate. https://scholargate.app/uk/deep-learning/fine-tuned-sentence-embeddings
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Класифікація на основі BERTГлибоке навчання↔ порівняти
- Класифікація на основі доналаштованого BERTГлибоке навчання↔ порівняти
- Трансформер з доналаштуваннямГлибоке навчання↔ порівняти
- Класифікація на основі RoBERTaГлибоке навчання↔ порівняти
- Векторні представлення реченьГлибоке навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →