Багатомовні векторні представлення речень
Багатомовні векторні представлення речень відображають речення з багатьох мов в єдиний спільний векторний простір таким чином, щоб семантично еквівалентні речення — незалежно від мови — опинялися близько одне до одного. Моделі, такі як LaBSE, багатомовний Sentence-BERT та mUSE, зробили практичним порівняння, пошук та класифікацію текстів понад 50–100 мовами без попереднього перекладу.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Джерела
- Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link ↗
- Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/uk/deep-learning/multilingual-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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Класифікація на основі багатомовного RoBERTaГлибоке навчання↔ compare
- Багатомовний трансформерГлибоке навчання↔ compare
- Векторні представлення реченьГлибоке навчання↔ compare
- Перенос навчання із вбудовуваннями реченьГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →