Nhúng câu thích ứng miền
Nhúng câu thích ứng miền mở rộng các bộ mã hóa câu đa mục đích — như Sentence-BERT — bằng cách tiếp tục huấn luyện chúng trên văn bản đặc thù miền. Kết quả là một biểu diễn vector có độ dài cố định, nắm bắt cả sự hiểu biết ngôn ngữ phổ quát và vốn từ vựng, phong cách, cũng như các sắc thái ngữ nghĩa của miền đích, cải thiện các tác vụ NLP hạ nguồn như tìm kiếm ngữ nghĩa, phân cụm và phân loại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. Proceedings of EMNLP-IJCNLP 2019, pp. 3982–3992. DOI: 10.18653/v1/D19-1410 ↗
- Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D. & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/vi/deep-learning/domain-adaptive-sentence-embeddings
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phân loại dựa trên BERTHọc sâu↔ so sánh
- Nhúng câu được tinh chỉnhHọc sâu↔ so sánh
- Nhúng câu đa ngôn ngữHọc sâu↔ so sánh
- Phân loại dựa trên RoBERTaHọc sâu↔ so sánh
- Nhúng câu (Sentence Embeddings)Học sâu↔ so sánh
- Transfer Learning with Sentence EmbeddingsHọc sâu↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →