Pengenalan Entitas Bernama yang Disesuaikan
Pengenalan Entitas Bernama yang Disesuaikan (Fine-Tuned Named Entity Recognition/NER) mengadaptasi model bahasa yang telah dilatih sebelumnya — paling umum BERT atau salah satu turunannya — untuk tugas mengidentifikasi dan mengklasifikasikan entitas bernama (orang, organisasi, lokasi, tanggal, dll.) dalam teks. Dengan penyesuaian pada korpus berlabel yang relatif kecil, praktisi mencapai kinerja pelabelan sekuensial mutakhir tanpa melatih model dari awal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT yang Di-fine-tunePembelajaran Mendalam↔ compare
- Peringkasan Teks yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →