फाइन-ट्यून्ड नेम्ड एंटिटी रिकग्निशन
फाइन-ट्यून्ड नेम्ड एंटिटी रिकग्निशन (Fine-Tuned Named Entity Recognition) एक पूर्व-प्रशिक्षित भाषा मॉडल को टेक्स्ट में नामित संस्थाओं (व्यक्तियों, संगठनों, स्थानों, तिथियों, आदि) की पहचान और वर्गीकरण के कार्य के लिए अनुकूलित करता है — सबसे आम तौर पर BERT या इसके डेरिवेटिव में से एक। अपेक्षाकृत छोटे लेबल वाले कॉर्पस पर फाइन-ट्यूनिंग करके, प्रैक्टिशनर स्क्रैच से मॉडल को प्रशिक्षित किए बिना अत्याधुनिक अनुक्रम-लेबलिंग प्रदर्शन प्राप्त करते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/hi/deep-learning/fine-tuned-named-entity-recognition
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- BERT-आधारित वर्गीकरणगहन अधिगम↔ तुलना करें
- फाइन-ट्यून्ड BERT-आधारित वर्गीकरणगहन अधिगम↔ तुलना करें
- फाइन-ट्यून्ड टेक्स्ट समराइजेशनगहन अधिगम↔ तुलना करें
- RoBERTa-आधारित वर्गीकरणगहन अधिगम↔ तुलना करें