Dostrajanie rozpoznawania jednostek nazewniczych
Dostrajanie rozpoznawania jednostek nazewniczych (Fine-Tuned Named Entity Recognition) adaptuje wstępnie wytrenowany model językowy – najczęściej BERT lub jego pochodne – do zadania identyfikacji i klasyfikacji jednostek nazewniczych (osoby, organizacje, lokalizacje, daty itp.) w tekście. Poprzez dostrajanie na stosunkowo niewielkim korpusie z etykietami, praktycy osiągają najnowocześniejszą wydajność w sekwencyjnym etykietowaniu, bez konieczności trenowania modelu od zera.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na dostrojonym modelu BERTUczenie głębokie↔ compare
- Dostrajanie podsumowywania tekstuUczenie głębokie↔ compare
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →