تسمية البيانات النصية لتدريب النموذج الخاص بك

مقالة
12/19/2023

قبل تدريب النموذج الخاص بك، تحتاج إلى تسمية مستنداتك بالفئات التي تريد تصنيفها إليها. تعد تسمية البيانات خطوة حاسمة في دورة حياة التطوير؛ في هذه الخطوة، يمكنك إنشاء الفئات التي تريد تصنيف بياناتك فيها وتسمية مستنداتك بهذه الفئات. سيتم استخدام هذه البيانات في الخطوة التالية عند تدريب النموذج الخاص بك بحيث يمكن للنموذج الخاص بك التعلم من البيانات المسماة. إذا كنت قد قمت بالفعل بتسمية البيانات، فيمكنك استيرادها مباشرةً إلى مشروعك ولكنك تحتاج إلى التأكد من أن بياناتك تتبع تنسيق البيانات المقبول.

قبل إنشاء نموذج تصنيف نص مخصص، تحتاج إلى تسمية البيانات أولاً. إذا لم تتم تسمية بياناتك بالفعل، يمكنك تسميتها في Language Studio. تُوضح البيانات المسماة النموذج كيفية تفسير النص، وتستخدم للتدريب والتقييم.

المتطلبات الأساسية

قبل أن تتمكن من تسمية بياناتك، تحتاج إلى:

مشروع مُنشأ بنجاح باستخدام حساب تخزين Azure لكائن ثنائي كبير الحجم مُكّون،
المستندات التي تحتوي على بيانات نصية تم تحميلها إلى حساب التخزين الخاص بك.

راجع دورة حياة تطوير المشروع لمزيد من المعلومات.

إرشادات تسمية البيانات

بعد إعداد بياناتك وتصميم المخطط وإنشاء مشروعك، ستحتاج إلى تسمية بياناتك. يعد تصنيف بياناتك أمراً مهماً حتى يعرف نموذجك المستندات التي سيتم إقرانها بالفئات التي تحتاجها. عند تسمية بياناتك في Language Studio (أو استيراد بيانات مسماة)، سيتم تخزين هذه التسميات في ملف JSON في حاوية التخزين التي قمت بتوصيلها بهذا المشروع.

أثناء تسمية بياناتك، ضع في اعتبارك ما يلي:

بشكلٍ عام، تؤدي المزيد من البيانات المصنفة إلى نتائج أفضل، بشرط أن تتم تسمية البيانات بدقة.
لا يوجد عدد ثابت من التسميات التي يمكن أن تضمن أداء النموذج الخاص بك على أفضل نحو. يعتمد أداء النموذج على الغموض المحتمل في المخطط الخاص بك، وجودة البيانات المسماة. ومع ذلك، نوصي بـ 50 مستنداً مسمى لكل فئة.