Named entities can be recognized and classified by:
4 phương ánCó giải thích
Các phương án trả lời
Chọn một phương ánLời giảiChọn phương án để mở
Đáp án đúng: "Featured-based or neural sequence labelling techniques.". NER (named entity recognition, nhận dạng thực thể có tên) thường được mô hình hoá như bài toán gán nhãn chuỗi: mỗi token nhận một nhãn theo lược đồ BIO như B-PER, I-PER hay O. Bài toán được giải bằng kỹ thuật dựa trên đặc trưng như CRF (conditional random field) với đặc trưng chữ hoa, hậu tố, từ điển tên, hoặc bằng mạng nơ-ron như BiLSTM-CRF hay Transformer tinh chỉnh. "Viterbi Algorithm" chỉ là thuật toán giải mã tìm chuỗi nhãn tốt nhất bên trong HMM hay CRF, không tự nhận dạng thực thể. "Hidden Markov Model" là một mô hình gán nhãn chuỗi từng dùng cho NER thời kỳ đầu, nhưng chỉ là một trường hợp cụ thể và yếu hơn vì khó đưa đặc trưng phong phú vào; phương án đúng nêu cả họ kỹ thuật. "Maximum Likelihood Estimation" là phương pháp ước lượng tham số mô hình từ dữ liệu, không phải kỹ thuật nhận dạng hay phân loại thực thể.
Cùng phần 10
NER identifies:Có lời giảiCâu hỏiIn the Siamese network, the main goal of triplet loss is toCó lời giảiCâu hỏiNamed Entity Recognition (NER) involves extracting and classifying named entities into some pre-defined classes such as Person, Organization, Location. This task can be approached in different ways depending on whether you predict a label for each token or generate the labeled sentence.
Which of the following RNN types can be used to address NER task? (select all that apply)Có lời giảiCâu hỏiCả 6 câu của chủ đề6 câu
Xuất hiện trong 1 bộ đề
Đi tiếp từ đây