Domänadaptiv namngiven entitetsigenkänning
Domänadaptiv namngiven entitetsigenkänning (DA-NER) tillämpar namngiven entitetsigenkänning på en måldomän genom att överföra eller anpassa en modell tränad på en källdomän, med hjälp av tekniker som domänspecifik förträning, adversariell anpassning eller funktionsutökning. Den hanterar prestandakollapsen som standard-NER-modeller lider av när de används utanför sin träningsdomän.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/sv/deep-learning/domain-adaptive-named-entity-recognition
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- BERT-baserad klassificeringDjupinlärning↔ jämför
- Domänadaptiv BERT-baserad klassificeringDjupinlärning↔ jämför
- Finjusterad namngiven entitetigenkänningDjupinlärning↔ jämför
- Namngiven entitetsigenkänning (NER)Textutvinning↔ jämför
- Transfer Learning med BERT-baserad KlassificeringDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →