Hienosäädetty nimettyjen entiteettien tunnistus
Hienosäädetty nimettyjen entiteettien tunnistus (Fine-Tuned Named Entity Recognition, FT-NER) mukauttaa esikoulutetun kielimallin — yleisimmin BERTin tai sen johdannaisen — tunnistamaan ja luokittelemaan nimettyjä entiteettejä (henkilöitä, organisaatioita, paikkoja, päivämääriä jne.) tekstistä. Suhteellisen pienen merkityn aineiston avulla harjoittajat saavuttavat huippuluokan sekvenssimerkintäsuorituskyvyn ilman mallin kouluttamista alusta alkaen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/fi/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.
- BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Hienosäädetty BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Hienosäädetty tekstin tiivistäminenSyväoppiminen↔ compare
- RoBERTa-pohjainen luokitteluSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →