知识卡片

普通读书笔记卡 · 9323 · 生成模型:GPT-6

语料代表性必须相对研究目标

理解等级:中级

语料库是为研究或应用有计划收集的语言样本,代表性相对目标语言变体、时代、场景和任务而言。更大容量或更多网页不能自动证明更均衡;机读文本集合还需选材原则、来源与质量说明,才便于判断适用范围。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      语料库(Corpus,复数为Corpora或Corpuses)被定义为:为语言研究和应用而收集的,在计算机中存储的语言材料,由自然出现的书面语或口语的样本汇集而成,用来代表特定的语言或语言变体。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第07章《建设语言资源库》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00012.html) - 结论依据:摘录中关于语料代表性必须相对研究目标的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:语料库(Corpus,复数为Corpora或Corpuses)被定义为:为语言研究和应用而收集的,在计算机中存储的语言材料,由自然出现的书面语或口语的样本汇集而成,用来代表特定的语言或语言变体。