Metodbevispost
Domain Adaptation
Domain adaptation is a natural-language-processing technique that takes a general pretrained language model and fine-tunes it on target-domain data so that it performs better in specialised fields such as medicine, law, and finance. It builds on the transfer-learning ideas behind work like Blitzer et al. (2007) on cross-domain sentiment classification and Lee et al. (2020) on the biomedical BioBERT model.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Domain Adaptation for NLP
Taxonomisk metodpost · process-pipeline / text-mining
- 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. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.