Fijn afgestelde Named Entity Recognition
Fijn afgestelde Named Entity Recognition past een vooraf getraind taalmodel aan — meestal BERT of een van zijn afgeleiden — voor de taak van het identificeren en classificeren van benoemde entiteiten (personen, organisaties, locaties, datums, enz.) in tekst. Door fijn af te stemmen op een relatief kleine gelabelde corpus, bereiken beoefenaars state-of-the-art prestaties op het gebied van sequentielabeling zonder een model vanaf nul te trainen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/nl/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.
- BERT-gebaseerde ClassificatieDeep learning↔ compare
- Fijn-afgestelde BERT-gebaseerde ClassificatieDeep learning↔ compare
- Fijnafgestemde tekstsamenvattingDeep learning↔ compare
- RoBERTa-gebaseerde ClassificatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →