การรู้จำสิ่งอ้างอิงเฉพาะที่ปรับตามโดเมน
การรู้จำสิ่งอ้างอิงเฉพาะที่ปรับตามโดเมน (Domain-adaptive Named Entity Recognition หรือ DA-NER) คือการประยุกต์ใช้การรู้จำสิ่งอ้างอิงเฉพาะกับโดเมนเป้าหมาย โดยการถ่ายโอนหรือปรับแบบจำลองที่ฝึกฝนจากโดเมนต้นทาง ด้วยเทคนิคต่างๆ เช่น การฝึกฝนล่วงหน้าเฉพาะโดเมน (domain-specific pre-training), การจัดแนวแบบปฏิปักษ์ (adversarial alignment) หรือการเพิ่มคุณลักษณะ (feature augmentation) ซึ่งช่วยแก้ไขปัญหาประสิทธิภาพที่ลดลงของแบบจำลอง NER มาตรฐานเมื่อนำไปใช้ภายนอกโดเมนที่ได้รับการฝึกฝนมา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/th/deep-learning/domain-adaptive-named-entity-recognition
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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ BERT ที่ปรับให้เข้ากับโดเมนการเรียนรู้เชิงลึก↔ compare
- การรู้จำชื่อเฉพาะแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare