Transfer Learning with Sentence Embeddings
Transfer Learning with Sentence Embeddings sử dụng một bộ mã hóa lớn được huấn luyện trước — như Sentence-BERT hoặc Universal Sentence Encoder — vốn đã mã hóa kiến thức ngôn ngữ tổng quát thành các vector có độ dài cố định, và điều chỉnh nó cho một tác vụ hoặc lĩnh vực mới với ít dữ liệu có nhãn bổ sung. Các biểu diễn được huấn luyện trước mang lại một khởi đầu thuận lợi, thường vượt trội hơn các mô hình chuyên biệt cho tác vụ được huấn luyện từ đầu trên các kho ngữ liệu khiêm tốn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Transfer Learning with Pre-trained Sentence Embedding Models. ScholarGate. https://scholargate.app/vi/deep-learning/transfer-learning-with-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.
- Phân loại dựa trên BERTHọc sâu↔ compare
- Nhúng câu được tinh chỉnhHọc sâu↔ compare
- Phân loại dựa trên RoBERTaHọc sâu↔ compare
- Nhúng câu (Sentence Embeddings)Học sâu↔ compare
- Học chuyển giao với phân loại dựa trên BERTHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →