良いデータ vs. 悪いデータ

こちらは、旅行者のレビューに含まれるエンティティ TOURIST_DESTINATION をラベル付けした学習用データの抜粋です。

Fråga

このデータとラベル設計が問題なのはなぜですか？

Möjliga svar

ある場所が観光地かどうかは主観的な判断であり、明確に定義されたカテゴリではありません。エンティティ認識器が学習するのは非常に難しくなります。

一貫性のために「Paris」や「Arkansas」も観光地としてラベル付けすべきです。そうしないとモデルが混乱します。

誤綴りの「amsterdem」のような希少な未知語は、エンティティとしてラベル付けすべきではありません。