![](https://cdn-ak-scissors.b.st-hatena.com/image/square/86140a0fb03ee3e7ebd2e2bc8d550b3b37ce50dd/height=288;version=1;width=512/https%3A%2F%2Fres.cloudinary.com%2Fzenn%2Fimage%2Fupload%2Fs--v29Nbj3V--%2Fc_fit%252Cg_north_west%252Cl_text%3Anotosansjp-medium.otf_55%3AHugging%252520Face%252520NLP%252520Course%252520-%2525207.%252520MAIN%252520NLP%252520TASKS%252520%2525E5%252589%25258D%2525E7%2525B7%2525A8%252Cw_1010%252Cx_90%252Cy_100%2Fg_south_west%252Cl_text%3Anotosansjp-medium.otf_37%3ADaisuke%252520Hashimoto%252Cx_203%252Cy_121%2Fg_south_west%252Ch_90%252Cl_fetch%3AaHR0cHM6Ly9zdG9yYWdlLmdvb2dsZWFwaXMuY29tL3plbm4tdXNlci11cGxvYWQvYXZhdGFyLzUwNzE0ZDI0NjMuanBlZw%3D%3D%252Cr_max%252Cw_90%252Cx_87%252Cy_95%2Fv1627283836%2Fdefault%2Fog-base-w1200-v2.png)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Hugging Face NLP Course - 7. MAIN NLP TASKS 前編
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Hugging Face NLP Course - 7. MAIN NLP TASKS 前編
概要 の要点纏め。 前編。 Token classification 「文章中の各トークンにラベルを付与する」タスク。 例... 概要 の要点纏め。 前編。 Token classification 「文章中の各トークンにラベルを付与する」タスク。 例えば以下のようなタスクがある。 Named entity recognition (NER): 文中のエンティティ(人物、場所、組織など)を見つける。 Part-of-speech tagging (POS): 文中の各単語を特定の品詞(名詞、動詞、形容詞など)に対応する。 Chunking: 同じエンティティに属するトークンを見つける。通常はチャンクの先頭のトークンにB-内側のトークンにI-それ以外のトークンにOをつける。POSまたはNERと組み合わせることもできる。 以下のチャプターではNER taskでBERTをファインチューニングし、以下のようなフォームを作成する。 作成したモデルの例はこちら。 Preparing the data ロイターのニュース記事を含む