เปรียบเทียบวิธี

	การรู้จำสิ่งอ้างอิงจำเพาะหลายรูปแบบ	การจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2018	2019
ผู้ริเริ่ม	Moon, S.; Lu, D. et al.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI Language)
ประเภท	Sequence labeling with multimodal fusion	Pre-trained language model with fine-tuning
แหล่งต้นตำรับ	Moon, S., Neves, L., & Carvalho, V. (2018). Multimodal Named Entity Recognition for Short Social Media Posts. Proceedings of NAACL-HLT 2018, pp. 852–860. Association for Computational Linguistics.	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.
ชื่อเรียกอื่น	Multimodal NER, MNER, Visual NER, Cross-modal Named Entity Recognition	BERT classifier, BERT fine-tuning for classification, BERT text classification, BERT-CLS
ที่เกี่ยวข้อง	6	4
สรุป	Multimodal Named Entity Recognition (MNER) extends classical NER by fusing textual sequences with complementary modalities — most commonly images — to improve the identification and classification of named entities such as persons, organizations, and locations in settings where visual context disambiguates ambiguous or sparse text.	BERT-based Classification fine-tunes Google's Bidirectional Encoder Representations from Transformers model on a labelled text dataset, replacing the generic pre-trained head with a task-specific classification layer. It exploits deep bidirectional context from hundreds of millions of pre-trained parameters to deliver state-of-the-art accuracy on short- and medium-length text classification tasks with relatively modest amounts of labelled data.