Adaptation de domaine — TAL
L'adaptation de domaine est une technique de traitement automatique du langage naturel (TAL) qui prend un modèle de langage général pré-entraîné et le spécialise sur des données du domaine cible afin qu'il soit plus performant dans des domaines spécialisés tels que la médecine, le droit et la finance. Elle s'appuie sur les idées d'apprentissage par transfert derrière des travaux tels que Blitzer et al. (2007) sur la classification de sentiments inter-domaines et Lee et al. (2020) sur le modèle biomédical BioBERT.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Domain Adaptation for NLP. ScholarGate. https://scholargate.app/fr/text-mining/domain-adaptation-nlp
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Embeddings BERTFouille de textes↔ comparer
- Analyse des sentimentsFouille de textes↔ comparer
- Classification de texteFouille de textes↔ comparer
- Apprentissage par transfertApprentissage automatique↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →