การรู้จำชื่อเฉพาะแบบกำกับตนเอง
การรู้จำชื่อเฉพาะแบบกำกับตนเอง (Self-supervised Named Entity Recognition - NER) เป็นการผสมผสานการฝึกฝนล่วงหน้าขนาดใหญ่แบบกำกับตนเอง — เช่น การสร้างแบบจำลองภาษาที่ถูกปิดบัง (masked language modeling) — เข้ากับการปรับละเอียดในระดับโทเค็น เพื่อระบุและจำแนกประเภทของชื่อเฉพาะในข้อความ ด้วยการเรียนรู้การแทนความหมายทางภาษาทั่วไปก่อนที่จะเห็นป้ายกำกับเอนทิตีใดๆ โมเดลจะให้ประสิทธิภาพที่แข็งแกร่งแม้ว่าข้อมูลฝึกฝน NER ที่มีป้ายกำกับจะขาดแคลนก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Named Entity Recognition. ScholarGate. https://scholargate.app/th/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.
- การเรียนรู้แบบน้อยตัวอย่างการเรียนรู้ของเครื่อง↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare