La vérité du terrain que nous savons est utilisé pour re-former le CNL ou R & R.approche resitue formation pour NLC ou R & R
La vérité du terrain est une donnée de formation au niveau de la question.
par exemple.
« Comment chaud est-il aujourd'hui?, La température »
La question « comment chaud est-il aujourd'hui? » est donc classé dans la classe "température".
Une fois l'application terminée, de vraies questions d'utilisateur seront reçues. Certains sont identiques (c'est-à-dire que la question des vrais utilisateurs est la même que celle de la vérité au sol), certains sont des termes similaires, d'autres sont de nouvelles questions. Supposons que l'application possède une boucle de rétroaction pour savoir si la classe (pour NLC) ou la réponse (pour R & R) est pertinente ou non.
About the new questions, the approach seems to just add the them to the ground truth, which is then used to re-train the NLC/R&R?
For the questions with similar terms, do we just add them like the new questions, or do we just ignore them, given that similar terms can also be scored well even similar terms are not used to train the classifier?
In the case of the same questions, there seems nothing to do on the ground truth for NLC, however, to the R&R, are we just increase or decrease 1 for the relevance label in the ground truth?
La question principale ici est, en bref, à ce que l'approche re-formation est pour NLC & R & R ...