ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Transformer Adaptado ao Domínio

Um Transformer Adaptado ao Domínio (DAT) é um modelo baseado em Transformer — como BERT ou ViT — estendido com um objetivo explícito de alinhamento de domínio, de modo que as representações aprendidas se transfiram bem de um domínio fonte rotulado para um domínio alvo diferente, frequentemente não rotulado. A abordagem combina a poderosa capacidade de representação dos Transformers com técnicas de adaptação de domínio, como treinamento adversarial ou alinhamento contrastivo, para minimizar o desvio de domínio.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link
  2. Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link

Como citar esta página

ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/pt/deep-learning/domain-adaptive-transformer

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.

Compare side by side

Referenciado por

ScholarGateDomain-adaptive transformer (Domain-Adaptive Transformer (DAT)). Recuperado em 2026-06-15 de https://scholargate.app/pt/deep-learning/domain-adaptive-transformer · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026