Domænetilpasset navngiven enhedsgenkendelse
Domænetilpasset navngiven enhedsgenkendelse (DA-NER) anvender navngiven enhedsgenkendelse på et måldomæne ved at overføre eller tilpasse en model trænet på et kildedomæne, ved hjælp af teknikker såsom domænespecifik fortræning, adversariel justering eller funktionsudvidelse. Den adresserer den præstationsnedgang, som standard NER-modeller lider under, når de implementeres uden for deres træningsdomæne.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234–1240. DOI: 10.1093/bioinformatics/btz682 ↗
- Blitzer, J., McDonald, R., & Pereira, F. (2006). Domain adaptation with structural correspondence learning. Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing (EMNLP), 120–128. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-named-entity-recognition
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.
- BERT-baseret klassifikationDyb læring↔ compare
- Domæne-adaptiv BERT-baseret klassifikationDyb læring↔ compare
- Finjusteret Named Entity RecognitionDyb læring↔ compare
- Navngiven enhedsgenkendelse (NER)Tekstmining↔ compare
- Transfer Learning med BERT-baseret KlassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →