Трансферно обучение с разпознаване на именувани същности
Трансферното обучение с разпознаване на именувани същности (NER) адаптира голям предварително обучен езиков модел — като BERT, RoBERTa или енкодер, специфичен за дадена област — към задачата за идентифициране и класифициране на именувани същности (лица, местоположения, организации, дати и др.) в текст. Чрез повторно използване на богати лингвистични представяния, научени от масивни корпуси, този подход изисква само скромни етикетирани NER данни, като същевременно постига най-съвременна точност при откриване и класифициране на обхвати.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/bg/deep-learning/transfer-learning-with-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.
- Класификация, базирана на BERTДълбоко обучение↔ compare
- Фина настройка на разпознаване на именувани обектиДълбоко обучение↔ compare
- Класификация, базирана на RoBERTaДълбоко обучение↔ compare
- Вграждане на изреченияДълбоко обучение↔ compare
- Трансферно обучение с класификация, базирана на BERTДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →