เมื่อถึงขั้นตอนการทดสอบ (test time) ผลลัพธ์จากโครงข่ายประสาทเทียมสามารถตีความได้ว่าเป็นค่าความน่าจะเป็นที่คำนั้นๆ จะอยู่ในแต่ละประเภท หากเราทราบสมาชิกภาพของประเภทที่แน่นอน เราก็จะสามารถจำกัดให้เหลือเพียงเอนทิตีเดียวได้
ในการเรียนรู้ระบบประเภทที่ดี เราใช้หลักการสองอย่างคือ learnability (ค่าเฉลี่ย AUC ของตัวจำแนก) และ oracle accuracy (ความแม่นยำในการระบุเอนทิตีหากทำนายทุกประเภทได้อย่างสมบูรณ์)
การทำนายเอนทิตีในเอกสารมักต้องอาศัยมาตรวัด ‘ความสอดคล้อง’ ระหว่างเอนทิตีต่างๆ ซึ่งมีความซับซ้อนเชิงคำนวณอยู่ที่ O(N^2) ตามความยาวของเอกสาร
ศัพท์ที่ควรรู้
- Neural network – โครงข่ายประสาทเทียมที่ใช้ในการตัดสินใจว่าคำนั้นๆ ตรงกับประเภทใด
- Entity – เอนทิตี หมายถึง สิ่งเฉพาะที่ถูกกล่าวถึงในข้อความ เช่น บุคคล สถานที่ หรือแนวคิด
- Type – ประเภท หมายถึง หมวดหมู่กว้างๆ ที่ใช้จัดกลุ่มคำหรือเอนทิตี
- AUC – Area Under the Curve คือค่าที่ใช้วัดประสิทธิภาพของตัวจำแนกในการทำนายประเภท
ที่มา: OpenAI