Tekstmerking

Definisjon

Tekstmerking er prosessen med å tilordne kategorier eller tagger til tekst, for eksempel sentiment, emne eller navngitte enheter.

Formål

Hensikten er å transformere råtekst til strukturerte data for veiledede NLP-oppgaver.

Viktigheten

• Muliggjør trening av klassifiserings- og utvinningsmodeller.
• Kvalitet påvirker modellens rettferdighet og nøyaktighet.
• Krever domenespesifikk ekspertise for spesialiserte oppgaver.
• Arbeidskrevende i stor skala.

Slik fungerer det

1. Definer etikettkategorier.
2. Del teksten opp i enheter (setninger, dokumenter).
3. Annotatorer tildeler etiketter.
4. Valider avtalen mellom kommentatorer.
5. Eksporter merket tekst for opplæring.

Eksempler (den virkelige verden)

• Yelp-anmeldelser merket med sentimentalitet.
• Datasett for klassifisering av spam vs. skinke-e-post.
• Juridisk tekst med kommenteringer for kontraktsklausuler.

Referanser / Videre lesning

• Pang & Lee. «Meningsutvinning og sentimentanalyse.»
• Bender & Friedman. «Datasetninger for NLP.» ACL 2018.
• Dokumentasjon for datasett med klemmende ansikter.
• Nøyaktig tekstmerking for maskinlæring