شناسایی موجودیت نامگذاری شده با تنظیم دقیق (Fine-Tuned Named Entity Recognition)
تنظیم دقیق شناسایی موجودیت نامگذاری شده (Fine-Tuned NER) یک مدل زبان از پیش آموزشدیده — که معمولاً BERT یا یکی از مشتقات آن است — را برای وظیفه شناسایی و طبقهبندی موجودیتهای نامگذاری شده (اشخاص، سازمانها، مکانها، تاریخها و غیره) در متن تطبیق میدهد. با تنظیم دقیق بر روی یک پیکره برچسبدار نسبتاً کوچک، متخصصان بدون آموزش یک مدل از ابتدا به عملکرد پیشرفته برچسبگذاری توالی دست مییابند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- طبقهبندی مبتنی بر BERT تنظیمشده دقیقیادگیری عمیق↔ compare
- خلاصهسازی متن با تنظیم دقیق (Fine-Tuned Text Summarization)یادگیری عمیق↔ compare
- طبقهبندی مبتنی بر RoBERTaیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →