Selv-supervisert navngitt enhetsgjenkjenning
Selv-supervisert navngjenkjenning (NER) kombinerer storskala selv-supervisert forhåndstrening — som maskert språkmodellering — med finjustering på token-nivå for å identifisere og klassifisere navngitte enheter i tekst. Ved å lære generelle lingvistiske representasjoner før modellen ser noen enhetsmerkelapper, oppnår den sterk ytelse selv når annoterte NER-treningdata er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/no/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.
- Få-skudds læringMaskinlæring↔ compare
- Navngitt enhetsgjenkjenning (NER)Tekstutvinning↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →