开发者社区> 问答> 正文

NLP自学习平台充电行业,用户发布此类评论吐槽,咱的API判定为正面,请问有办法矫正吗?

NLP自学习平台充电行业,用户发布此类评论吐槽,咱的API判定为正面,请问有办法矫正吗?
iwEcAqNwbmcDAQTRCSsF0QGNBrCEYoAnbxmoTgT86h27wKMAB9IO3ZeOCAAJomltCgAL0XBC.png_720x720q90.jpg

展开
收起
青城山下庄文杰 2023-09-24 14:02:35 37 0
2 条回答
写回答
取消 提交回答
  • 可以试用下OpenNLU的模型看看哈iwEcAqNwbmcDAQTRCl4F0QLqBrC_8dUAfYBGtQT88V20QKMAB9IdivWFCAAJomltCgAL0gAHTZg.png_720x720q90.jpg
    https://modelscope.cn/studios/TTCoding/open_ner/summary 此回答整理自钉群“阿里云NLP基础服务2.0 - 用户答疑群”

    2023-09-26 17:05:40
    赞同 展开评论 打赏
  • 调整训练数据:NLP自学习平台的训练数据可能会影响其判别结果。你可以检查该平台是否使用了充电行业的正面评论作为训练数据。如果是这样,你可以考虑添加更多真实的负面评论到训练数据中,以帮助NLP自学习平台更好地理解负面评论。
    调整模型参数:NLP自学习平台可能包含一些模型参数,这些参数可以影响其判别结果。你可以尝试调整这些参数,例如调整情感词典、调整神经网络结构或者调整训练过程中的优化算法等。
    人工干预:如果以上两种方法都没有解决问题,你可以考虑人工干预。你可以手动标记一些充电行业的评论,并将其上传到NLP自学习平台中。这样可以帮助NLP自学习平台更好地理解负面评论,并提高其判别准确性。
    引入其他数据源:如果以上方法都无效,你可以考虑引入其他数据源,例如充电行业的专业文章、专业报告或者行业分析等。这些数据源可以帮助NLP自学习平台更好地了解充电行业的实际情况,从而提高其判别准确性

    2023-09-24 17:12:51
    赞同 展开评论 打赏
问答排行榜
最热
最新

相关电子书

更多
自然语言处理得十个发展趋势 立即下载
自然语言处理的十个发展趋势 立即下载
深度学习与自然语言处理 立即下载