Transfer Learning mit Named Entity Recognition
Transfer Learning mit Named Entity Recognition (NER) passt ein großes vortrainiertes Sprachmodell – wie BERT, RoBERTa oder einen domänenspezifischen Encoder – an die Aufgabe der Identifizierung und Klassifizierung benannter Entitäten (Personen, Orte, Organisationen, Daten usw.) in Texten an. Durch die Wiederverwendung reichhaltiger linguistischer Repräsentationen, die aus massiven Korpora gelernt wurden, erfordert dieser Ansatz nur bescheidene annotierte NER-Daten und erzielt gleichzeitig hochmoderne Genauigkeit bei der Erkennung und Klassifizierung von Spans.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/de/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.
- BERT-basierte KlassifikationDeep Learning↔ compare
- Fine-Tuned Named Entity RecognitionDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
- Transfer Learning mit BERT-basierter KlassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →