Självövervakad namngiven entitetsigenkänning
Självövervakad namngiven entitetsigenkänning (NER) kombinerar storskalig självövervakad förträning — såsom maskerad språkmodellering — med finjustering på token-nivå för att identifiera och klassificera namngivna entiteter i text. Genom att lära sig allmänna lingvistiska representationer innan några entitetsetiketter observeras, uppnår modellen stark prestanda även när annoterad NER-träningsdata är knapp.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/sv/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.
- Few-shot LearningMaskininlärning↔ compare
- Namngiven entitetsigenkänning (NER)Textutvinning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →