Reconnaissance adaptative de noms dans un domaine
La reconnaissance adaptative de noms dans un domaine (DA-NER) applique la reconnaissance de noms à un domaine cible en transférant ou en adaptant un modèle entraîné sur un domaine source, en utilisant des techniques telles que le pré-entraînement spécifique au domaine, l'alignement contradictoire ou l'augmentation de caractéristiques. Elle résout l'effondrement des performances que les modèles NER standard subissent lorsqu'ils sont déployés en dehors de leur domaine d'entraînement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- Classification basée sur BERT et adaptée au domaineApprentissage profond↔ compare
- Reconnaissance d'entités nommées par ajustement finApprentissage profond↔ compare
- Reconnaissance d'entités nommées (REN)Fouille de textes↔ compare
- Transfer Learning avec Classification basée sur BERTApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →