التعرف على الكيانات المسماة المُحسَّنة بدقة
يُكيِّف التعرف على الكيانات المسماة المُحسَّن بدقة نموذج لغة مُدرَّب مسبقًا — وأكثرها شيوعًا BERT أو أحد مشتقاته — لمهمة تحديد وتصنيف الكيانات المسماة (الأشخاص، المنظمات، المواقع، التواريخ، إلخ) في النص. من خلال التحسين الدقيق على مجموعة نصوص صغيرة نسبيًا مُعنونة، يحقق الممارسون أداءً رائدًا في تسمية التسلسلات دون تدريب نموذج من الصفر.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. Proceedings of NAACL-HLT 2016, 260–270. DOI: 10.18653/v1/N16-1030 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/ar/deep-learning/fine-tuned-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.
- تصنيف قائم على BERTالتعلم العميق↔ compare
- تصنيف مُحسَّن استنادًا إلى BERTالتعلم العميق↔ compare
- تلخيص النصوص المُحسَّن (Fine-Tuned Text Summarization)التعلم العميق↔ compare
- تصنيف قائم على RoBERTaالتعلم العميق↔ compare