Textmärkning

Definition

Textmärkning är processen att tilldela kategorier eller taggar till text, till exempel sentiment, ämne eller namngivna entiteter.

Syfte

Syftet är att omvandla råtext till strukturerad data för övervakade NLP-uppgifter.

Betydelse

• Möjliggör träning av klassificerings- och extraktionsmodeller.
• Kvalitet påverkar modellens rättvisa och noggrannhet.
• Kräver domänspecifik expertis för specialiserade uppgifter.
• Arbetsintensiv i stor skala.

Så fungerar det

1. Definiera etikettkategorier.
2. Segmentera text i enheter (meningar, dokument).
3. Annotatörer tilldelar etiketter.
4. Validera överenskommelse mellan annotatörer.
5. Exportera märkt text för utbildning.

Exempel (verkliga världen)

• Yelp-recensioner märkta för sentimentalitet.
• Datamängder för klassificering av spam- kontra skinka-e-post.
• Juridisk text med kommentering för avtalsklausuler.

Referenser / Vidare läsning

• Pang & Lee. “Opinionsutvinning och sentimentanalys.”
• Bender & Friedman. ”Datautlåtanden för NLP.” ACL 2018.
• Dokumentation av datauppsättningar för kramande ansikten.
• Noggrann textmärkning för maskininlärning