Reconeixement d'Entitats Nombrades Auto-supervisat
El reconeixement d'entitats nombrades (NER) auto-supervisat combina el preentrenament auto-supervisat a gran escala — com el modelatge de llenguatge emmascarat — amb l'ajustament fi a nivell de token per identificar i classificar entitats en el text. En aprendre representacions lingüístiques generals abans de veure cap etiqueta d'entitat, el model assoleix un rendiment sòlid fins i tot quan les dades d'entrenament de NER anotades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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. link ↗
- Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. Proceedings of NAACL-HLT 2016, 260–270. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/ca/deep-learning/self-supervised-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.
- Aprenentatge amb pocs exemplesAprenentatge automàtic↔ compare
- Reconeixement d'Entitats Nomenades (NER)Mineria de text↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →