Adaptacja domenowa — NLP
Adaptacja domenowa to technika przetwarzania języka naturalnego, która polega na wzięciu ogólnego, wstępnie wytrenowanego modelu językowego i dostrojeniu go na danych z domeny docelowej, tak aby lepiej działał w specjalistycznych dziedzinach, takich jak medycyna, prawo i finanse. Opiera się ona na ideach uczenia transferowego z prac takich jak Blitzer i in. (2007) dotyczących klasyfikacji sentymentu między domenami oraz Lee i in. (2020) dotyczących modelu BioBERT w dziedzinie biomedycyny.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Domain Adaptation for NLP. ScholarGate. https://scholargate.app/pl/text-mining/domain-adaptation-nlp
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Osadzenia BERTEksploracja tekstu↔ porównaj
- Analiza sentymentuEksploracja tekstu↔ porównaj
- Klasyfikacja TekstuEksploracja tekstu↔ porównaj
- Uczenie transferoweUczenie maszynowe↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →