Refine
Is part of the Bibliography
- no (1)
Has Fulltext
- yes (1)
Year of publication
- 2021 (1)
Document Type
- Bachelor Thesis (1)
Institute
Language
- German (1)
Viele Unternehmen verwalten heutzutage eine große Menge an digitalen Dokumenten. Die Suche nach einem expliziten Dokument ist oftmals keine triviale Aufgabe. Hierbei unterstützt die Named Entity Recognition bei der Klassifizierung von Dokumenten und der Suchmaschinenoptimierung. Die Bachelorarbeit analysiert das Potenzial von domänenspezifischen Trainingsdaten für die Named Entity Recognition und prüft die folgende Hypothese. BERT feinabgestimmt mit domänenspezifischen Trainingsdaten, erzielt einen höheren F-Score in der gleichen Sprachdomäne als mit Trainingsdaten aus einer allgemeinen Sprachdomäne. In einem Experiment wurden dafür zwei feinabgestimmte BERT Modelle mit den gleichen randomisierten Testdaten aus der Sprachdomäne Musik evaluiert.
Für ein vortrainiertes BERT Modell wurden auch die Trainingsdaten im Fine Tuning aus dem Kontext Musik gewählt. Im Unterschied dazu verwendete das Vergleichsmodell Trainingsdaten aus Zeitungsartikeln. Die Evaluation beider Modelle mit den Testdaten konnte die Hypothese bestätigen. BERT feinabgestimmt mit den domänenspezifischen Trainingsdaten erzielte in allen Entitätskategorien einen höheren F-Score. Der größte Vorsprung von 70 % wurde in der Kategorie Lokation erreicht. Eine genauere Analyse vom gewählten Musikdatensatz zeigte teilweise fehlerhafte Annotationen der Tokens. Demzufolge wären die Ergebnisse weniger unterschiedlich, ohne die verrauschten Daten aber weiterhin ein besserer F-Score erkennbar.