Machine learningDeep learning / NLP / CV
ファインチューニングされた固有表現認識
ファインチューニングされた固有表現認識（Fine-Tuned Named Entity Recognition）は、事前学習済みの言語モデル（最も一般的にはBERTまたはその派生モデル）を、テキスト中の固有表現（人名、組織名、地名、日付など）を識別・分類するタスクに適応させる技術です。比較的少量のラベル付きコーパスでファインチューニングを行うことにより、モデルをゼロから学習させることなく、最先端の系列ラベリング性能を達成できます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-named-entity-recognition
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →