weixin_46537007的博客

原创 NLP数据标注

工业界nlp任务中，给业务方提供的nlp原始数据打标签本身就是任务最耗时间，最麻烦的一部分。 最常用的办法还是用正则打标签冷启动加主动学习的办法训练模型。首先用正则打标签的训练集训练初始模型，之后手工挑选模型标的不对的样本，人工打标签，扔回去再训练迭代，依次反复。规则和标签一般需要业务来定义，做好对数据的标签管理，后续才能做更深层系的分析工作。真正遇到大型，场景固定，且不涉及商业机密的nlp任务，比如某些客服对话系统，才会用到外包团队，人工打标签，制作训练集。 正则和词典之类的方法，只要规...