Přenosové učení s rozpoznáváním pojmenovaných entit
Přenosové učení s rozpoznáváním pojmenovaných entit (NER) adaptuje velký předtrénovaný jazykový model — jako je BERT, RoBERTa nebo doménově specifický enkodér — na úlohu identifikace a klasifikace pojmenovaných entit (osoby, místa, organizace, data atd.) v textu. Opětovným využitím bohatých lingvistických reprezentací naučených z masivních korpusů tento přístup vyžaduje pouze skromné množství anotovaných NER dat, přičemž dosahuje špičkové přesnosti detekce a klasifikace rozsahů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/cs/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.
- Klasifikace založená na BERTHluboké učení↔ compare
- Jemně doladěné rozpoznávání pojmenovaných entitHluboké učení↔ compare
- Klasifikace založená na RoBERTaHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
- Přenosové učení s klasifikací založenou na BERTuHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →