Feb, 2024
学习曲线建模及其在词性标注中的应用
Modeling of learning curves with applications to pos tagging
Manuel Vilares Ferro, Victor M. Darriba Bilbao, Francisco J. Ribadas Pena
TL;DR基于部分结果和功能策略，引入了一种算法来估计整个训练数据库中学习曲线的演变，迭代逼近所需时间的值，独立于学习技术的使用，并且在经过预测级别后，被证明在工作假设方面是正确的，使用户能够根据最终可达到的准确性设定收敛阈值的概念扩展，即使存在扭曲观测也似乎是有效的。我们的目标是评估培训工作量，支持决策制定，以减少在学习过程中对人力和计算资源的需求。该提案在至少三个操作过程中是有意义的，第一个是预测准确性的提升，以衡量达到一定性能水平所需的工作量，第二个是在训练时间内比较系统的效率，以仅完成最适合我们要求的系统的任务，同时准确性的预测也是定制系统的有价值信息，因为我们可以预先估计设置对性能和开发成本的影响。通过生成词性标注器作为示例应用程序，实验结果与我们的预期一致。