Riconoscimento di Entità Nominate Auto-supervisionato
Il riconoscimento di entità nominate (NER) auto-supervisionato combina il pre-addestramento auto-supervisionato su larga scala — come la modellazione del linguaggio mascherato — con il fine-tuning a livello di token per identificare e classificare entità nominate nel testo. Apprendendo rappresentazioni linguistiche generali prima di vedere qualsiasi etichetta di entità, il modello raggiunge prestazioni elevate anche quando i dati di addestramento NER annotati sono scarsi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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. link ↗
- Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. Proceedings of NAACL-HLT 2016, 260–270. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-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.
- Few-shot LearningApprendimento automatico↔ compare
- Riconoscimento di entità nominate (NER)Text mining↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →