So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Nhận dạng thực thể có tên (NER)× | Question Answering (QA)× | |
|---|---|---|
| Lĩnh vực | Khai phá văn bản | Khai phá văn bản |
| Họ | Process / pipeline | Process / pipeline |
| Năm ra đời | — | — |
| Người khởi xướng | — | — |
| Loại≠ | NLP sequence-labelling task | NLP text-comprehension task |
| Công trình gốc≠ | Nadeau, D. & Sekine, S. (2007). A survey of named entity recognition. Lingvisticae Investigationes. link ↗ | Rajpurkar, P. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP. DOI ↗ |
| Tên gọi khác | NER, entity tagging, Adlandırılmış Varlık Tanıma (NER) | QA, machine reading comprehension, Soru Cevaplama (Question Answering) |
| Liên quan≠ | 3 | 4 |
| Tóm tắt≠ | Named entity recognition (NER) is a natural-language-processing task that automatically detects and labels entities in text — such as people, organisations, locations, and dates. Surveyed by Nadeau and Sekine (2007) and later advanced with neural architectures by Lample et al. (2016), it turns free-running text into tagged spans that downstream tools can use. | Question answering is a natural-language-processing task that automatically answers natural-language questions grounded in a given context passage, using either extractive or generative approaches. The task was crystallised by the SQuAD benchmark of Rajpurkar et al. (2016), and later models such as XLNet (Yang et al., 2019) pushed reading-comprehension accuracy higher. |
| ScholarGateBộ dữ liệu ↗ |
|
|