Дообученное распознавание именованных сущностей
Дообученное распознавание именованных сущностей (NER) адаптирует предварительно обученную языковую модель — чаще всего BERT или одну из ее производных — для задачи идентификации и классификации именованных сущностей (людей, организаций, мест, дат и т. д.) в тексте. Путем дообучения на относительно небольшом размеченном корпусе практики достигают передовых результатов в маркировке последовательностей, не обучая модель с нуля.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Дообученная классификация на основе BERTГлубокое обучение↔ compare
- Дообученная суммаризация текстовГлубокое обучение↔ compare
- Классификация на основе RoBERTaГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →