Penganalisisan Entiti Bernama Adaptif Domain
Penganalisisan Entiti Bernama Adaptif Domain (DA-NER) mengaplikasikan penganalisisan entiti bernama (NER) pada domain sasaran dengan memindahkan atau mengadaptasi model yang dilatih pada domain sumber, menggunakan teknik seperti pra-latihan khusus domain, penjajaran adversarial, atau augmentasi ciri. Ia menangani keruntuhan prestasi yang dialami oleh model NER standard apabila digunakan di luar domain latihannya.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT Adaptif DomainPembelajaran Mendalam↔ compare
- Pengecilan Model Terperinci untuk Pengenalan Entiti BernamaPembelajaran Mendalam↔ compare
- Pengecaman Entiti Bernama (NER)Perlombongan Teks↔ compare
- Pembelajaran Pemindahan dengan Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →