La fragmentación (también conocido como análisis superficial) tiene como objetivo agrupar elementos de la secuencia, sin ninguna diferenciación entre los grupos obtenidos. Por ejemplo, agrupación de frases nominales o agrupación de grupos de verbos.
El etiquetado, de lo contrario, apunta a clasificar cada elemento de la secuencia (generalmente, considerando varios predecesores). Esta tarea supone que la secuencia ya está dividida en elementos para clasificar. Ejemplo más popular: etiquetado de parte del discurso.
El reconocimiento de entidad con nombre es una tarea específica, no el esquema general como fragmentación o etiquetado; se encuentra en el mismo nivel de abstracción que el etiquetado POS o la fragmentación de frases nominales.
Desde otro punto de vista, NER consta de dos pasos: en primer lugar, encuentra fragmentos de entidades con nombre en el texto (es decir, agrupa elementos de la secuencia); luego clasifica cada entidad nombrada en una de tipo predefinido (Persona, Ubicación, etc.).
- ¿Cuántos documentos son suficientes para estudiar para escribir una encuesta sobre aprendizaje profundo?
- ¿Cuál es la mejor manera de implementar mi algoritmo de reducción de dimensiones?
- ¿Cuáles son los algoritmos disponibles para diseñar un detector de actividad de habla hablada cercana?
- ¿Es Kafka la mejor solución para crear una aplicación de visión por computadora?
- La temperatura de la GPU lee 88 C cuando se entrena un LSTM en TensorFlow. ¿Es esto normal (y seguro)?