Reconocimiento de Entidades Nombradas con Ajuste Fino
El Reconocimiento de Entidades Nombradas con Ajuste Fino (Fine-Tuned Named Entity Recognition) adapta un modelo de lenguaje pre-entrenado —comúnmente BERT o alguna de sus variantes— a la tarea de identificar y clasificar entidades nombradas (personas, organizaciones, ubicaciones, fechas, etc.) en texto. Al realizar el ajuste fino sobre un corpus etiquetado relativamente pequeño, los profesionales logran un rendimiento de vanguardia en el etiquetado de secuencias sin necesidad de entrenar un modelo desde cero.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Clasificación basada en BERT ajustadoAprendizaje profundo↔ compare
- Resumen de texto ajustado mediante ajuste finoAprendizaje profundo↔ compare
- Clasificación basada en RoBERTaAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →