ฝึกและประเมินแบบจําลองของคุณ
การฝึกและการประเมินแบบจําลองของคุณเป็นกระบวนการซ้ําของการเพิ่มข้อมูลและป้ายชื่อไปยังชุดข้อมูลการฝึกของคุณเพื่อสอนแบบจําลองได้อย่างถูกต้องยิ่งขึ้น เมื่อต้องการทราบว่าต้องปรับปรุงข้อมูลและป้ายชื่อชนิดใด Language Studio ให้คะแนนในหน้า ดูรายละเอียดแบบจําลอง ในบานหน้าต่างด้านซ้าย
เอนทิตี้แต่ละรายการและคะแนนแบบจําลองโดยรวมของคุณจะแบ่งย่อยเป็นสามเมตริกเพื่ออธิบายวิธีการทํางานและสิ่งที่เอนทิตี้ต้องการปรับปรุง
| เมตริก | คำอธิบาย |
|---|---|
| ความแม่นยำ | อัตราส่วนของการจดจําเอนทิตีที่สําเร็จต่อการจดจําที่พยายามทั้งหมด คะแนนสูงหมายความว่าตราบใดที่เอนทิตีได้รับการรับรู้ จะมีป้ายชื่ออย่างถูกต้อง |
| การจดจำได้ | อัตราส่วนของการจดจําเอนทิตีที่สําเร็จต่อจํานวนเอนทิตีจริงในเอกสาร คะแนนสูงหมายความว่าการค้นหาเอนทิตี้หรือเอนทิตีเป็นอย่างดี ไม่ว่าจะกําหนดป้ายชื่อที่ถูกต้องให้กับพวกเขาหรือไม่ |
| คะแนน F1 | การรวมกันของความแม่นยําและการเรียกคืนให้เมตริกการให้คะแนนเดียว |
คะแนนมีทั้งต่อเอนทิตีและสําหรับแบบจําลองทั้งหมด คุณอาจพบคะแนนเอนทิตี้ได้ดี แต่แบบจําลองทั้งหมดไม่เป็นเช่นนั้น
วิธีการแปลเมตริก
ตามอุดมคติแล้ว เราต้องการให้แบบจําลองของเราให้คะแนนได้ดีทั้งความแม่นยําและการเรียกใช้ซึ่งหมายความว่าการรู้จําเอนทิตี้ทํางานได้ดี หากเมตริกทั้งสองมีคะแนนต่ํา นั่นหมายความว่าแบบจําลองกําลังดิ้นรนเพื่อจดจําเอนทิตีในเอกสารและเมื่อแยกเอนทิตี้นั้น จะไม่ได้กําหนดป้ายชื่อที่ถูกต้องด้วยความมั่นใจสูง
ถ้าความแม่นยําต่ํา แต่ค่าความระลึกสูง แสดงว่าแบบจําลองรู้จักเอนทิตี้เป็นอย่างดี แต่ไม่ติดป้ายกํากับว่าเป็นประเภทเอนทิตีที่ถูกต้อง
ถ้าความแม่นยําสูง แต่ค่าความระลึกต่ํา แสดงว่าแบบจําลองไม่จดจําเอนทิตี้เสมอ ไป แต่เมื่อแบบจําลองแยกเอนทิตี้ ป้ายชื่อที่ถูกต้องจะถูกนําไปใช้
เมทริกซ์ความสับสน
ในหน้ารายละเอียดแบบจําลองมุมมองเดียวกัน มีอีกแท็บหนึ่งอยู่ที่ด้านบนสําหรับเมทริกซ์ความสับสน มุมมองนี้มีตารางวิชวลของเอนทิตีทั้งหมดและวิธีการที่แต่ละรายการดําเนินการ ให้มุมมองที่สมบูรณ์ของแบบจําลองและตําแหน่งที่ข้อมูลนั้นสั้นลง
เมทริกซ์ความสับสนช่วยให้คุณสามารถระบุตําแหน่งที่จะเพิ่มข้อมูลเพื่อปรับปรุงประสิทธิภาพของแบบจําลองของคุณ