Domene-adaptiv navngitt enhetsgjenkjenning
Domene-adaptiv navngitt enhetsgjenkjenning (DA-NER) anvender navngitt enhetsgjenkjenning på et måldomene ved å overføre eller tilpasse en modell trent på et kildedomen, ved bruk av teknikker som domenespesifikk forhåndstrening, adversariell justering eller funksjonsutvidelse. Den adresserer ytelsesfallet som standard NER-modeller lider av når de blir brukt utenfor treningsdomenet sitt.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-named-entity-recognition
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- BERT-basert klassifiseringDyp læring↔ sammenlign
- Domene-adaptiv BERT-basert klassifiseringDyp læring↔ sammenlign
- Finjustert navngitt enhetsgjenkjenningDyp læring↔ sammenlign
- Navngitt enhetsgjenkjenning (NER)Tekstutvinning↔ sammenlign
- Overføringslæring med BERT-basert klassifiseringDyp læring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →