Pengecilan Model Terperinci untuk Pengenalan Entiti Bernama
Pengecilan Model Terperinci untuk Pengenalan Entiti Bernama (NER) menyesuaikan model bahasa pra-terlatih — paling lazimnya BERT atau salah satu terbitannya — kepada tugas mengenal pasti dan mengklasifikasikan entiti bernama (orang, organisasi, lokasi, tarikh, dll.) dalam teks. Dengan pengecilan model terperinci pada korpus berlabel yang agak kecil, pengamal mencapai prestasi pelabelan jujukan peringkat teratas tanpa melatih model dari awal.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/ms/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 Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT yang Ditala HalusPembelajaran Mendalam↔ compare
- Ringkasan Teks yang Ditala HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →