เปรียบเทียบวิธี

	การรู้จำสิ่งอ้างอิงเฉพาะที่ปรับตามโดเมน	การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006–2020	2019 (BERT); transfer learning paradigm established circa 2010
ผู้ริเริ่ม	Multiple contributors (Blitzer et al., 2006; Daumé, 2007; Lee et al., 2020)	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (BERT); Pan, S. J. & Yang, Q. (transfer learning survey)
ประเภท	Sequence labeling with domain adaptation	Pre-trained transformer fine-tuned for classification
แหล่งต้นตำรับ	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.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics.
ชื่อเรียกอื่น	DA-NER, cross-domain NER, domain-adaptive NER, domain-transfer named entity recognition	BERT fine-tuning for classification, BERT transfer learning classifier, pre-trained BERT classifier, BERT downstream classification
ที่เกี่ยวข้อง	5	4
สรุป	Domain-adaptive Named Entity Recognition (DA-NER) applies named entity recognition to a target domain by transferring or adapting a model trained on a source domain, using techniques such as domain-specific pre-training, adversarial alignment, or feature augmentation. It addresses the performance collapse that standard NER models suffer when deployed outside their training domain.	Transfer Learning with BERT-based Classification adapts a large transformer language model, pre-trained on massive text corpora, to a target classification task by fine-tuning its weights on labeled examples. The pre-trained representations encode rich syntactic and semantic knowledge, enabling high accuracy even when the labeled dataset is small.