Трансферное обучение для распознавания именованных сущностей
Трансферное обучение для распознавания именованных сущностей (NER) адаптирует большую предварительно обученную языковую модель — такую как BERT, RoBERTa или специализированный энкодер — для задачи идентификации и классификации именованных сущностей (люди, места, организации, даты и т. д.) в тексте. Повторно используя богатые лингвистические представления, полученные из массивных корпусов, этот подход требует лишь скромного объема размеченных данных NER, достигая при этом наилучшей точности обнаружения и классификации фрагментов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/ru/deep-learning/transfer-learning-with-named-entity-recognition
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Классификация на основе BERTГлубокое обучение↔ сравнить
- Дообученное распознавание именованных сущностейГлубокое обучение↔ сравнить
- Классификация на основе RoBERTaГлубокое обучение↔ сравнить
- Векторные представления предложенийГлубокое обучение↔ сравнить
- Трансферное обучение с классификацией на основе BERTГлубокое обучение↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →