Adaptasi Domain — NLP
Adaptasi domain ialah satu teknik pemprosesan bahasa tabii (NLP) yang mengambil model bahasa pra-latih umum dan menyempurnakannya pada data domain sasaran supaya ia berprestasi lebih baik dalam bidang khusus seperti perubatan, undang-undang, dan kewangan. Ia dibina atas idea pembelajaran pemindahan (transfer learning) di sebalik kajian seperti Blitzer et al. (2007) tentang pengelasan sentimen rentas domain dan Lee et al. (2020) tentang model BioBERT perubatan.
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. 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Domain Adaptation for NLP. ScholarGate. https://scholargate.app/ms/text-mining/domain-adaptation-nlp
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.
- Sematik BERTPerlombongan Teks↔ compare
- Analisis SentimenPerlombongan Teks↔ compare
- Klasifikasi TeksPerlombongan Teks↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →