Machine learningDeep learning / NLP / CV

领域自适应句子嵌入 (Domain-Adaptive Sentence Embeddings)

领域自适应句子嵌入通过在特定领域文本上继续训练通用的句子编码器（如 Sentence-BERT）来扩展它们。其结果是一个固定长度的向量表示，它同时捕捉通用的语言理解能力以及目标领域的词汇、风格和语义细微差别，从而改进了语义搜索、聚类和分类等下游自然语言处理 (NLP) 任务。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

领域自适应句子嵌入 (Domain-Adaptive Sentence Embeddings)

[需翻译标题：BERT-based Classi…微调句嵌入多语言句子嵌入基于RoBERTa的分类句子嵌入基于句子嵌入的迁移学习域自适应Doc2Vec 领域自适应 Word2Vec

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Domain-Adaptive Sentence Embeddings (Domain-Adapted Sentence Transformers). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-sentence-embeddings

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

[需翻译标题：BERT-based Classification...]深度学习↔ 比较
微调句嵌入深度学习↔ 比较
多语言句子嵌入深度学习↔ 比较
基于RoBERTa的分类深度学习↔ 比较
句子嵌入深度学习↔ 比较
基于句子嵌入的迁移学习深度学习↔ 比较

并排比较 →

被引用于

域自适应Doc2Vec 领域自适应 Word2Vec

发现本页有问题？报告或提出修改建议 →