【发布时间】：2021-06-11 01:37:48
【问题描述】：
我正在使用 doccano 进行序列标记，并使用 spacy 进行进一步建模。我标记的一些句子不包含我感兴趣的任何标签，因此它们保持“未标记”，即。没有标签。
{"id": 79, "data": "This powerful charm would protect him until he became of age, or no longer called his aunt's house home.", "label": []}
{"id": 82, "data": "He began attending Hogwarts School of Witchcraft and Wizardry in 1991.", "label": []}
{"id": 85, "data": "He later became the youngest Quidditch Seeker in over a century and eventually the captain of the Gryffindor House Quidditch Team in his sixth year, winning two Quidditch Cups.", "label": []}
我想训练 SpaCy 识别所有变体中的角色名称。
现在问题：
- 为了训练 SpaCy 模型而包含未标记的实例是否有任何价值？
- 如果有，我应该将此数据声明为“不平衡数据集”并采取相应措施吗？ （提升？重击？过采样？等等）
- 在这种情况下，最佳做法是什么？
【问题讨论】：
-
我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅
machine-learning@ 中的介绍和注意事项987654322@. -
@Sergey Bushmanov 感谢您的编辑。这是我的第一个问题。您的编辑受到赞赏，对于像我这样的小妞来说，这很有教育意义。 Спасибо，Сергей！ Я благодарен Вам за правку。
标签： machine-learning nlp spacy doccano