Machine learningDeep learning / NLP / CV
미세 조정된 개체명 인식
미세 조정된 개체명 인식(Fine-Tuned Named Entity Recognition)은 사전 훈련된 언어 모델(가장 흔하게는 BERT 또는 그 파생 모델)을 텍스트 내의 개체명(인물, 조직, 장소, 날짜 등)을 식별하고 분류하는 작업에 적용하는 것입니다. 상대적으로 작은 규모의 레이블이 지정된 코퍼스에 대해 미세 조정을 수행함으로써, 연구자들은 처음부터 모델을 훈련시키지 않고도 최첨단 시퀀스 레이블링 성능을 달성할 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →