Transferinlärning med namngivna entiteter
Transferinlärning med namngivna entiteter (NER) anpassar en stor förtränad språkmodell – såsom BERT, RoBERTa, eller en domänspecifik kodare – till uppgiften att identifiera och klassificera namngivna entiteter (personer, platser, organisationer, datum, etc.) i text. Genom att återanvända rika lingvistiska representationer som lärts från massiva korpusar, kräver detta tillvägagångssätt endast blygsamma märkta NER-data samtidigt som det uppnår toppmodern detektering och klassificeringsnoggrannhet för entitetsspann.
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. 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Transfer Learning with Named Entity Recognition (Pretrained Encoder Fine-Tuned for NER). ScholarGate. https://scholargate.app/sv/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.
- BERT-baserad klassificeringDjupinlärning↔ compare
- Finjusterad namngiven entitetigenkänningDjupinlärning↔ compare
- Klassificering baserad på RoBERTaDjupinlärning↔ compare
- MeningsinbäddningarDjupinlärning↔ compare
- Transfer Learning med BERT-baserad KlassificeringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →