Перенос навчання із вбудовуваннями речень
Перенос навчання із вбудовуваннями речень (Transfer Learning with Sentence Embeddings) бере великий попередньо навчений кодувальник — такий як Sentence-BERT або Universal Sentence Encoder — який вже кодує загальні мовні знання у вектори фіксованої довжини, та адаптує його до нового завдання або домену з невеликою кількістю додаткових розмічених даних. Попередньо навчені представлення дають перевагу, яка часто перевершує моделі, специфічні для завдання, навчені з нуля на скромних корпусах.
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. link ↗
- Conneau, A., Kiela, D., Schwentz, H., Barrault, L. & Bordes, A. (2017). Supervised Learning of Universal Sentence Representations from Natural Language Inference Data. Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP), 670–680. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/uk/deep-learning/transfer-learning-with-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
- Доопрацьовані речення-вбудовуванняГлибоке навчання↔ порівняти
- Класифікація на основі RoBERTaГлибоке навчання↔ порівняти
- Векторні представлення реченьГлибоке навчання↔ порівняти
- Трансферне навчання з класифікацією на основі BERTГлибоке навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →