Pengenalan Entiti Bernama Kendiri-Penyeliaan
Pengenalan Entiti Bernama Kendiri-Penyeliaan (NER) menggabungkan pra-latihan kendiri-penyeliaan berskala besar — seperti pemodelan bahasa bertopeng — dengan penalaan halus peringkat token untuk mengenal pasti dan mengklasifikasikan entiti bernama dalam teks. Dengan mempelajari perwakilan linguistik umum sebelum melihat sebarang label entiti, model mencapai prestasi yang kukuh walaupun data latihan NER yang dianotasi jarang ditemui.
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. 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/ms/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.
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pengecaman Entiti Bernama (NER)Perlombongan Teks↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →