Traitement du langage naturel appliqué à l'entreprise

Chapitre 3. Tâches et applications de la PNL

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Au chapitre 2, nous t'avons présenté en douceur les modèles de langue et le réglage fin. Maintenant, explorons un peu plus ce à quoi le réglage fin peut réellement servir. Il ne sert pas seulement à générer de meilleurs modèles de langage spécifiques à un domaine, comme nous y avons fait allusion dans le chapitre précédent. Le réglage fin peut être utilisé pour résoudre des tâches significatives dans le monde réel, qui servent d'éléments de base à des applications complexes de TAL dans le monde réel.

Dans ce chapitre, nous présenterons officiellement plusieurs de ces "tâches significatives du monde réel" et nous présenterons plusieurs repères populaires, tels que GLUE etSQuAD, pour mesurer les performances de ces tâches. Nous mettrons également en évidence plusieurs ensembles de données standard accessibles au public que tu pourras utiliser pour résoudre ces tâches par toi-même. Et surtout, nous résoudrons ensemble deux de ces tâches - la reconnaissance d'entités nommées (NER) et la classification de textes - pour montrer comment tout cela fonctionne.

Nous espérons que ce chapitre t'apportera une approche plus approfondie, plus appliquée et plus pratique de la PNL et qu'il te servira de rampe de lancement pour créer tes propres applications de PNL dans le monde réel.

Modèles linguistiques préformés

Comme ...