למידת העברה (Transfer Learning) עם זיהוי ישויות מוכרות (Named Entity Recognition)
למידת העברה עם זיהוי ישויות מוכרות (NER) מתאימה מודל שפה גדול שאומן מראש — כגון BERT, RoBERTa, או מקודד ייעודי לתחום — למשימה של זיהוי וסיווג ישויות מוכרות (שמות אנשים, מיקומים, ארגונים, תאריכים וכו') בטקסט. על ידי שימוש חוזר בייצוגים לשוניים עשירים שנלמדו מקורפוסים עצומים, גישה זו דורשת רק נתונים מתויגים (labeled data) צנועים עבור NER, תוך השגת דיוק מתקדם בזיהוי וסיווג של טווחים (spans).
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/he/deep-learning/transfer-learning-with-named-entity-recognition
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- סיווג מבוסס BERTלמידה עמוקה↔ השוואה
- זיהוי ישויות מושכלות (Fine-Tuned Named Entity Recognition)למידה עמוקה↔ השוואה
- סיווג מבוסס RoBERTaלמידה עמוקה↔ השוואה
- ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ השוואה
- למידת העברה עם סיווג מבוסס BERTלמידה עמוקה↔ השוואה