Domænetilpasning — NLP
Domænetilpasning er en teknik inden for naturlig sprogbehandling, der tager en generel forudtrænet sprogmodel og finjusterer den på data fra et måldomæne, så den yder bedre inden for specialiserede områder som medicin, jura og finans. Den bygger på transfer-learning-idéerne bag arbejde som Blitzer et al. (2007) om krydsdomæne-sentimentklassifikation og Lee et al. (2020) om den biomedicinske BioBERT-model.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Lee, J. et al. (2020). BioBERT: A Pre-trained Biomedical Language Representation Model. Bioinformatics. DOI: 10.1093/bioinformatics/btz682 ↗
- Blitzer, J. et al. (2007). Biographies, Bollywood, Boom-boxes and Blenders: Domain Adaptation for Sentiment Classification. ACL. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Domain Adaptation for NLP. ScholarGate. https://scholargate.app/da/text-mining/domain-adaptation-nlp
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- BERT-indlejringerTekstmining↔ sammenlign
- SentimentanalyseTekstmining↔ sammenlign
- TekstklassificeringTekstmining↔ sammenlign
- OverførselslæringMaskinlæring↔ sammenlign
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →