Samouczeniowa ekstrakcja jednostek nazwanych (NER)
Samouczeniowa ekstrakcja jednostek nazwanych (NER) łączy wielkoskalowe samouczeniowe wstępne trenowanie — takie jak modelowanie języka maskowanego — z dostrajaniem na poziomie tokenów w celu identyfikacji i klasyfikacji jednostek nazwanych w tekście. Ucząc się ogólnych reprezentacji językowych przed zobaczeniem jakichkolwiek etykiet jednostek, model osiąga silną wydajność nawet przy niewielkiej ilości anotowanych danych treningowych NER.
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. 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/pl/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.
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ compare
- Rozpoznawanie nazw własnych (NER)Eksploracja tekstu↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →