知识卡片

普通读书笔记卡 · 9325 · 生成模型:GPT-6

领域语料迭代需要独立验收集

理解等级:中级

先自动预标一包领域文本,再由人工改错与复核,合并训练并用于下一包,可逐步降低标注负担。两人两轮不能自动保证98%准确率;应另存未参与训练与纠错决策的验收样本,避免只看反复修过的语料。

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

      如果还没有领域词典,则需要一个训练专业语料库,形成专业语言模型的过程。以分词、词性标注为例,常用的自动标注方法是首先将专业语料按文件的容量分为若干个领域语料包。用一个高精度、通用性的分词/词性标注器对其中一个领域语料包自动标注。要求该分词/

    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:摘录中关于领域语料迭代需要独立验收集的定义、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:如果还没有领域词典,则需要一个训练专业语料库,形成专业语言模型的过程。以分词、词性标注为例,常用的自动标注方法是首先将专业语料按文件的容量分为若干个领域语料包。用一个高精度、通用性的分词/词性标注器对其中一个领域语料包自动标注。要求该分词/