在使用 WKS 开发用于提取 CV 信息的自定义机器学习模型时,我们开始怀疑是否仅当提及与另一个提及有关系时,使用负面提及类别特征进行注释才会对模型产生影响,即出现问题是因为可以将提及类从特定(在第一个注释任务上分配的默认类)更改为否定而不需要创建关系,但我们不知道这种使用否定提及类的方式是否有用全部。
我们已经知道 ML 模型从正例和负例中学习(不加注释就留下提及),使用负提及类特征会进一步提高模型的性能吗?我们问这个是因为,显然我们不知道 WKS 是如何在后台详细工作的。
在使用 WKS 开发用于提取 CV 信息的自定义机器学习模型时,我们开始怀疑是否仅当提及与另一个提及有关系时,使用负面提及类别特征进行注释才会对模型产生影响,即出现问题是因为可以将提及类从特定(在第一个注释任务上分配的默认类)更改为否定而不需要创建关系,但我们不知道这种使用否定提及类的方式是否有用全部。
我们已经知道 ML 模型从正例和负例中学习(不加注释就留下提及),使用负提及类特征会进一步提高模型的性能吗?我们问这个是因为,显然我们不知道 WKS 是如何在后台详细工作的。