如何修正NLP问题的bad case

NLP问题，大都至少是个统计类问题，对整个数据集进行分析，然后给出概率最大的结果，无论是基于概率的浅层学习，还是使用了深度学习都是如此，而少了可供添加和修改的特征，此时如果出现比较关键的bad case，就并不好干预，而且在干预的同时还需要考虑尽可能不产生新的bad case，这样一来，要处理这些bad case就非常头疼，这里我给大家介绍一些处理bad case经验。主要思路这应该是一个比较普适的处理问题的方法，确认目标，剖析问题，处理问题，检验结果。首先，要分析这bad case，知道bad case产生的原因，只有知道病因才能对症下药。确定这个case是否需要解决，即评估这个case的影响面，有多少相似的case存在，解决后收益有多大，毕竟我们需要把资源花在最有收 ………………………………