Angewandte natürliche Sprachverarbeitung im Unternehmen

Kapitel 3. NLP-Aufgaben und Anwendungen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 2 haben wir dir eine kleine Einführung in Sprachmodelle und Feinabstimmung gegeben. Jetzt wollen wir mehr darüber erfahren, wofür die Feinabstimmung tatsächlich genutzt werden kann. Es geht um mehr als nur darum, bessere domänenspezifische Sprachmodelle zu erstellen, wie wir im vorherigen Kapitel angedeutet haben. Mit dem Feintuning lassen sich sinnvolle Aufgaben aus der realen Welt lösen, die als Bausteine für komplexe NLP-Anwendungen dienen.

In diesem Kapitel werden wir einige dieser "sinnvollen realen Aufgaben" offiziell vorstellen und einige beliebte Benchmarks wie GLUE undSQuAD präsentieren, mit denen die Leistung bei diesen Aufgaben messen kann. Außerdem stellen wir dir einige öffentlich verfügbare Standarddatensätze vor, die du verwenden kannst, um diese Aufgaben selbst zu lösen. Und vor allem werden wir zwei dieser Aufgaben - Named Entity Recognition (NER) und Textklassifikation - gemeinsam lösen, um zu zeigen, wie das alles funktioniert.

Wir hoffen, dass dieses Kapitel dir einen tieferen, angewandten und praktischen Einblick in NLP gibt und dir als Ausgangspunkt für deine eigenen NLP-Anwendungen in der Praxis dienen kann.

Vortrainierte Sprachmodelle

Wie wir in Kapitel 1 erwähnt haben, hat sich NLP in den letzten Jahren stark weiterentwickelt. Anstatt NLP-Modelle von Grund auf zu trainieren, ...