Dán nhãn Văn bản

Định nghĩa

Gắn nhãn văn bản là quá trình gán các danh mục hoặc thẻ cho văn bản, chẳng hạn như tình cảm, chủ đề hoặc các thực thể được đặt tên.

Mục đích

Mục đích là chuyển đổi văn bản thô thành dữ liệu có cấu trúc cho các tác vụ NLP có giám sát.

Tầm quan trọng

• Cho phép đào tạo các mô hình phân loại và trích xuất.
• Chất lượng ảnh hưởng đến tính công bằng và độ chính xác của mô hình.
• Yêu cầu có chuyên môn cụ thể cho các nhiệm vụ chuyên biệt.
• Đòi hỏi nhiều lao động ở quy mô lớn.

Quy trình triển khai

1. Xác định danh mục nhãn.
2. Phân đoạn văn bản thành các đơn vị (câu, tài liệu).
3. Người chú thích sẽ gán nhãn.
4. Xác thực thỏa thuận giữa các chú thích viên.
5. Xuất văn bản có nhãn để đào tạo.

Ví dụ (Thực tế)

• Đánh giá trên Yelp được gắn nhãn theo cảm xúc.
• Bộ dữ liệu phân loại email spam so với email ham.
• Văn bản pháp lý được chú thích cho các điều khoản hợp đồng.

Tài liệu tham khảo / Đọc thêm

• Pang & Lee. “Khai thác ý kiến ​​và phân tích tình cảm.”
• Bender & Friedman. “Các báo cáo dữ liệu cho NLP.” ACL 2018.
• Tài liệu về bộ dữ liệu khuôn mặt ôm.
• Gắn nhãn văn bản chính xác cho máy học