Riconoscimento di Entità Nominate Adattivo al Dominio
Il Riconoscimento di Entità Nominate Adattivo al Dominio (DA-NER) applica il riconoscimento di entità nominate a un dominio target trasferendo o adattando un modello addestrato su un dominio sorgente, utilizzando tecniche quali pre-addestramento specifico del dominio, allineamento avversariale o aumento delle caratteristiche. Affronta il collasso delle prestazioni che i modelli NER standard subiscono quando vengono distribuiti al di fuori del loro dominio di addestramento.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Classificazione basata su BERT adattata al dominioApprendimento profondo↔ compare
- Riconoscimento di Entità Nominate con Fine-TuningApprendimento profondo↔ compare
- Riconoscimento di entità nominate (NER)Text mining↔ compare
- Apprendimento per trasferimento con classificazione basata su BERTApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →