Domeinadaptatie — NLP
Domeinadaptatie is een techniek voor natuurlijke taalverwerking die een algemeen vooraf getraind taalmodel neemt en het fine-tuned op doel-domeindata, zodat het beter presteert in gespecialiseerde velden zoals geneeskunde, recht en financiën. Het bouwt voort op de transfer learning-ideeën achter werk zoals Blitzer et al. (2007) over cross-domein sentimentclassificatie en Lee et al. (2020) over het biomedische BioBERT-model.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Domain Adaptation for NLP. ScholarGate. https://scholargate.app/nl/text-mining/domain-adaptation-nlp
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- BERT-inbeddingenTekstmining↔ vergelijken
- SentimentanalyseTekstmining↔ vergelijken
- TekstclassificatieTekstmining↔ vergelijken
- TransferlerenMachine learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →