Machine learningDeep learning / NLP / CV

领域自适应命名实体识别

领域自适应命名实体识别（DA-NER）通过将源域训练的模型迁移或适应到目标域，从而将命名实体识别应用于目标域，其技术包括领域特定预训练、对抗性对齐或特征增强。它解决了标准NER模型在部署到其训练域之外时性能崩溃的问题。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

领域自适应命名实体识别

[需翻译标题：BERT-based Classi…基于领域自适应BERT的分类微调命名实体识别命名实体识别 (NER)BERT 기반 전이 학습 领域自适应文本摘要

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Domain-adaptive Named Entity Recognition (DA-NER). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-named-entity-recognition

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

[需翻译标题：BERT-based Classification...]深度学习↔ 比较
基于领域自适应BERT的分类深度学习↔ 比较
微调命名实体识别深度学习↔ 比较
命名实体识别 (NER)文本挖掘↔ 比较
BERT 기반 전이 학습深度学习↔ 比较

并排比较 →

被引用于

领域自适应文本摘要

发现本页有问题？报告或提出修改建议 →