ফাইন-টিউনড নেমড এনটিটি রিকগনিশন
ফাইন-টিউনড নেমড এনটিটি রিকগনিশন (NER) একটি পূর্ব-প্রশিক্ষিত ভাষা মডেলকে — সাধারণত BERT বা এর কোনো ডেরিভেটিভ — টেক্সটে নামযুক্ত সত্তা (ব্যক্তি, সংস্থা, স্থান, তারিখ ইত্যাদি) শনাক্তকরণ এবং শ্রেণীবদ্ধকরণের কাজের জন্য অভিযোজিত করে। তুলনামূলকভাবে ছোট লেবেলযুক্ত কর্পাসে ফাইন-টিউনিং করার মাধ্যমে, অনুশীলনকারীরা স্ক্র্যাচ থেকে মডেল প্রশিক্ষণ ছাড়াই অত্যাধুনিক সিকোয়েন্স-লেবেলিং পারফরম্যান্স অর্জন করতে পারে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/bn/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.
- BERT-ভিত্তিক শ্রেণিবিভাগগভীর শিখন↔ compare
- ফাইন-টিউনড BERT-ভিত্তিক ক্লাসিফিকেশনগভীর শিখন↔ compare
- সূক্ষ্ম-সুর করা পাঠ্য সারাংশকরণ (Fine-Tuned Text Summarization)গভীর শিখন↔ compare
- RoBERTa-ভিত্তিক শ্রেণিবিভাগগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →