Bonne réponse
- CAugmentez le nombre de documents étiquetés, en particulier ceux contenant les entités cibles
Explication
Un faible rappel dans un modèle NER personnalisé indique généralement que le modèle ne parvient pas à identifier de nombreuses instances des entités cibles. L'augmentation du nombre de documents étiquetés, en particulier ceux contenant les entités cibles, fournit des exemples plus positifs pour l'apprentissage du modèle, améliorant directement sa capacité à reconnaître ces entités et augmentant ainsi le rappel.
Pour aller plus loin
Dans le NER personnalisé d'Azure AI Language, la précision et le rappel s'équilibrent via le seuil de confiance du modèle et la distribution des données d'entraînement. Le rappel mesure le nombre de véritables mentions d'entités trouvées par le modèle ; un faible rappel signifie généralement que le modèle a vu trop peu d'exemples des formes de surface, contextes ou cas limites de l'entité. L'ajout de documents étiquetés contenant les entités cibles, en particulier des formulations variées et des exemples négatifs proches des échecs, donne au modèle plus de signaux pour se généraliser. Abaisser le seuil de confiance ferait remonter plus de prédictions mais généralement au détriment de la précision, et non comme une véritable solution de rappel. L'augmentation des heures d'entraînement n'aide pas si les données manquent de couverture, et le changement de fonctionnalité abandonne le schéma personnalisé. Une solution réaliste consiste à étiqueter 100 documents supplémentaires riches dans le type d'entité manqué, puis à réentraîner et à réévaluer la courbe précision-rappel.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-102 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.