issues
search
vistec-AI
/
Thai-NNER
Pytorch implementation of paper: Thai Nested Named Entity Recognition
MIT License
39
stars
7
forks
source link
ผลขึ้นอยู่กับการเรีบงข้อมูล
#5
Closed
Bancherd-DeLong
closed
2 years ago
Bancherd-DeLong
commented
2 years ago
ขอบคุณมากครับ ผมลองใช้ model แล้วน่าใช้มากเลย
ดูเหมือนว่า "0906"ได้ผลดีกว่า "1102" มาก คงเนื่องมากจาก "wangchanberta-base-att-spm-uncased" vs "xlm-roberta-base"? หรือว่าเทรนนานกว่า?
การเรียงของข้อมูล(order) มีผลพอควร คงเนื่องมาจาก การที่ต้องใช้ context ในการวิเคราะ?
WeerayutBu
commented
2 years ago
Train นานกว่าในที่นี้หมายถึง fine-tuning NNER model หรือ train languages model (pre-train) ครับ
ถ้าในเรื่องของ LM ต้องดู setup ของแต่ละ model - ผมมองว่าขึ้นอยู่กับหลายปัจจัยทั้ง ขนาดของ LM, ชุดข้อมูล, ภาษาที่ใช้ในการ train
ส่วน fine-tuning NNER model ทางเราได้ train ด้วย setting เดียวกัน, จำนวนการ train ขึ้นอยู่กับ early stopping สามารถดู setting ได้ตาม paper ครับ
การเรียงข้อมูล ในที่นี้หมายถึงอะไรหลอครับ ?
Bancherd-DeLong
commented
2 years ago
ผมหมายถึง fine-tuning NNER model ครับ แต่ก้ออดคิดไม่ได้ว่าเนื่องจาก wangchan เป็น language model ที่ดีกว่า XLM (สำหรับภาษาไทย) ซึ่งอาจมีส่วนด้วย
ผมมีหสาย sentences ใน paragraph ผลของ NNER ที่ได้บ่อยครั้งจะขึ้นอยู่กับว่า sentence ใหนมาก่อน อันนี้ผมคาดว่าอาจเป็นข้อมูลที่ผมป้อนเข้าไป ซึ่งส่วนมากอาจไม่ได้อยู่ใน domain ที่ใช้ train[wongnai,SCB]?
ขอบคุณมากครับ ผมลองใช้ model แล้วน่าใช้มากเลย