Transfer Learning com Reconhecimento de Entidades Nomeadas
Transfer Learning com Reconhecimento de Entidades Nomeadas (NER) adapta um grande modelo de linguagem pré-treinado — como BERT, RoBERTa ou um codificador específico de domínio — para a tarefa de identificar e classificar entidades nomeadas (pessoas, locais, organizações, datas, etc.) em texto. Ao reutilizar representações linguísticas ricas aprendidas a partir de corpora massivos, essa abordagem requer apenas dados modestos de NER rotulados, ao mesmo tempo que alcança precisão de ponta em detecção e classificação de spans.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/pt/deep-learning/transfer-learning-with-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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Fine-Tuned Named Entity RecognitionAprendizado profundo↔ compare
- Classificação baseada em RoBERTaAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
- Transfer Learning com Classificação Baseada em BERTAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →