Pārneses apmācība ar nosaukto entītiju atpazīšanu
Pārneses apmācība ar nosaukto entītiju atpazīšanu (NER) pielāgo lielu iepriekš apmācītu valodu modeli — piemēram, BERT, RoBERTa vai domēnspecifisku enkoderi — uzdevumam identificēt un klasificēt nosauktās entītijas (personas, atrašanās vietas, organizācijas, datumus utt.) tekstā. Izmantojot atkārtoti bagātīgas lingvistiskās reprezentācijas, kas apgūtas no masīviem korpusiem, šī pieeja prasa tikai nelielu daudzumu anotētu NER datu, vienlaikus sasniedzot vismodernāko atklāšanas un klasifikācijas precizitāti.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-with-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.
- BERT klasifikācijaDziļā mācīšanās↔ compare
- Ar smalku noskaņošanu precizēta nosaukto entitāšu atpazīšanaDziļā mācīšanās↔ compare
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ compare
- Ievietojumi teikumiemDziļā mācīšanās↔ compare
- Pārneses apmācība ar BERT bāzētu klasifikācijuDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →