Adatcímkézés
Adatpéldákhoz rendelt címkék vagy kategóriák készítése, amelyek megmutatják, hogyan értelmezze vagy osztályozza őket egy modell.
Analógia
Mint amikor egy archívum minden iratára ráírod, milyen témához tartozik, hogy később a kereső megtalálja.
Miért fontos?
A címkék pontossága és következetessége meghatározza, mit tanulhat meg a felügyelt tanulást végző rendszer.
Hogyan működik?
Az adatcímkézés során az adatokhoz olyan jelöléseket rendelnek, amelyek megmutatják, milyen kategóriába tartoznak vagy milyen tulajdonság figyelhető meg rajtuk. A címke lehet például egy levél témája, egy képen látható tárgy neve vagy egy mondat érzelmi besorolása. A címkézett adatok a felügyelt tanulás alapját adhatják, de felhasználhatók értékeléshez vagy kereshető adatkészlet készítéséhez is. A címkék létrehozásához emberek, szabályok vagy más modellek is hozzájárulhatnak.
A címkézési szabályoknak egyértelműnek kell lenniük. Ha két címkéző ugyanazt a példát eltérően jelöli, a modell ellentmondó mintákat kap. Érzékeny témáknál a címkézés nehéz döntéseket is igényelhet, ezért fontos az útmutató, a minőségellenőrzés és az eltérő esetek megbeszélése. A címke nem a tartalom természetes tulajdonsága minden helyzetben; sokszor egy adott feladathoz választott értelmezés. A határesetek közös felülvizsgálata segít, hogy a munkát végzők ugyanazt értsék az egyes kategóriák alatt.
Példa
Egy ügyfélszolgálati csapat egységes útmutató alapján címkézi a korábbi leveleket, hogy később a rendszer megtanulja felismerni a számlázási kérdéseket.
Gyakori tévhit
A sok címke önmagában nem garantál jó tanítást; a címkék következetessége és relevanciája is számít.