概述
它會在選定的模式下找到提及項。將提及連結到特定的現實世界記錄是一項單獨的實體連結任務。
重點摘要
- 定義類型和跨度邊界。
- 保留原始文字的偏移量。
- 將識別與身份連結分開。
深入探討
在訓練或評估之前定義實體類型和跨度規則。是否應該包含公司後綴?產品是一個組織、一個單獨的類型還是在模式之外?不一致的註釋規則可能會使資料集內部矛盾。 NER 系統可以指派令牌層級標籤並將相鄰令牌組合成跨距。將標籤與原始文字對齊時,子字標記化需要小心。保留字元偏移量,以便應用程式可以準確顯示哪個段落產生了提取的值。评估边界和类型。當註釋的組織是「Northstar Research Labs」時,僅識別「Northstar」可能會被視為跨度錯誤,即使一般類別是正確的。報告匹配約定的精確度和召回率,以便可以解釋分數。上下文可以改變標籤。 「約旦」可能在不同的段落中指涉一個人、國家或組織。已識別的名稱不是經過驗證的身份資訊。當使用提取進行編輯、搜尋或記錄匹配時,測試下游結果並明確處理不明確或遺漏的提及。
04工作範例
無需發明身分即可識別提及內容
使用發明的句子“喬丹於六月加入北極星研究實驗室。”
在記錄的模式下,將喬丹標記為個人提及,將北極星研究實驗室標記為組織提及。
不要附加特定的傳記或公司註冊信息,除非單獨的連結步驟有匹配的證據。
它顯示了什麼
建構的範例將定位名稱與解析它所標識的人或內容分開。
現實世界的實施
使用原始文字偏移突出顯示新聞文章中提到的組織。
在批准經過編輯的文件之前,為可能的名稱建立審核佇列。
付諸實踐
為什麼這很重要
- 速度與規模. 語言工作流程可以在不犧牲一致性的情況下更快地移動。
- 交通與覆蓋範圍. 它擴展了跨語言和溝通方式的訪問。
- 更明確的決策. 團隊可以花更多時間進行判斷,而自動化則可以處理重複。
留意
- 幻覺的事實可以悄悄地進入報告、支持流程或研究成果。
- 及時的敏感性可能會在類似的請求中產生不一致的結果。
- 如果存取控制薄弱,敏感文字資料可能會暴露。
後續步驟
- 在推出之前定義輸出格式、語氣和品質標準。
- 當準確性很重要時,請使用可信任來源進行地面回應。
- 為高風險輸出保留人工審查檢查點。
- 追蹤故障模式並定期重新訓練提示或工作流程。
資料來源與延伸閱讀
- Hugging Face代幣分類
不斷探索
常見問題
找到名字就能證明這個人是誰嗎?
不可以。文字提及可能會含糊不清。將其解決為特定人員需要額外的證據和單獨的連結過程。