Domänenadaptives Named-Entity-Recognition
Domänenadaptives Named-Entity-Recognition (DA-NER) wendet Named-Entity-Recognition auf eine Zieldomäne an, indem ein auf einer Quelldomäne trainiertes Modell übertragen oder angepasst wird, wobei Techniken wie domänenspezifisches Vortraining, gegnerische Ausrichtung oder Merkmalserweiterung eingesetzt werden. Es adressiert den Leistungsabfall, den Standard-NER-Modelle erleiden, wenn sie außerhalb ihrer Trainingsdomäne eingesetzt werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/de/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-basierte KlassifikationDeep Learning↔ compare
- Domänenadaptives BERT-basiertes KlassifizierenDeep Learning↔ compare
- Fine-Tuned Named Entity RecognitionDeep Learning↔ compare
- Benannte Entitätenerkennung (NER)Text Mining↔ compare
- Transfer Learning mit BERT-basierter KlassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →