পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| নামযুক্ত সত্তা শনাক্তকরণ (NER)× | রিলেশন এক্সট্রাকশন× | |
|---|---|---|
| ক্ষেত্র | টেক্সট খনন | টেক্সট খনন |
| পরিবার | Process / pipeline | Process / pipeline |
| উদ্ভবের বছর | — | — |
| প্রবর্তক | — | — |
| ধরন≠ | NLP sequence-labelling task | NLP information-extraction task |
| মৌলিক উৎস≠ | Nadeau, D. & Sekine, S. (2007). A survey of named entity recognition. Lingvisticae Investigationes. link ↗ | Zelenko, D., Aone, C. & Richardella, A. (2003). Kernel Methods for Relation Extraction. Journal of Machine Learning Research, 3, 1083-1106. link ↗ |
| অপর নাম≠ | NER, entity tagging, Adlandırılmış Varlık Tanıma (NER) | semantic relation extraction, İlişki Çıkarma (Relation Extraction) |
| সম্পর্কিত≠ | 3 | 4 |
| সারসংক্ষেপ≠ | Named entity recognition (NER) is a natural-language-processing task that automatically detects and labels entities in text — such as people, organisations, locations, and dates. Surveyed by Nadeau and Sekine (2007) and later advanced with neural architectures by Lample et al. (2016), it turns free-running text into tagged spans that downstream tools can use. | Relation extraction is a natural-language-processing task that detects and classifies the semantic relations that hold between entities mentioned in text. Building on early kernel-based methods (Zelenko and colleagues, 2003) and later neural matching approaches (Baldini Soares and colleagues, 2019), it turns free-form text into structured facts of the form entity–relation–entity. |
| ScholarGateডেটাসেট ↗ |
|
|