Märgistuspõhised

Märgistuspõhised on termin, mida kasutatakse kirjeldamaks meetodeid, süsteeme või töökäike, mis põhinevad märgistatud andmetel ehk annotatsioonidel. Sõna algne tähendus märgistus on lisatud või kirjeldav teave andmete kohta, ja põhi­sõna viitab sellele, et andmete märgistamine on lahenduse keskne osa. Märgistuspõhised lähenemised on levinud nii tehisintellekti kui ka andmete haldamise valdkondades, kus mudelite koolitus ja analüüs sõltub kvaliteetsest labeled data kogumist.

Kasutusvaldkonnad hõlmavad peamiselt juhendatud, ehk supervisoidud, õppimist ning seotud töövooge. Nende puhul koostatakse märgistatud korpused või andmekogud, mis kirjeldavad andmete sisu või omadusi ja mille abil treenitakse mudeleid. Tööd tehakse tihti loodusliku keele töötluse (NLP), arvutinägemise, heli ja meediatöötluse valdkondades ning laiemalt igal alal, kus märgendatud andmed võimaldavad parema täpsuse ja usaldusväärsuse saavutamist.

Töövoog tavaliselt hõlmab märgistamiskeemi defineerimist, juhendite koostamist, annotatsiooniprotsessi läbiviimist, kvaliteedi tagamist ning inter-annotator agreement’i (kas annotatsioonide kokkusobivuse) hindamist. Seejärel kasutatakse märgistatud andmeid mudelite treenimiseks, hindamiseks ja valideerimiseks. Tihti kaasatakse ka kvaliteedijälgimist ja ajas toimuvat andmekorralduse korrigeerimist, et säilitada andmete ajakohasus.

Eelistused ja väljakutsed hõlmavad suurema täpsuse ja jälgitavuse kasu, kuid nõuavad märgistajate palkamist, juhendite ühtlustamist ning märgistuste erapoolikuse ja kallutatuse maandamist. Märgistuspõhised süsteemid on võimsad, kuid nende edukus sõltub märgistuste kvaliteedist ja hoolikas haldamisest.

Näited kasutusaladest: nimekiri entiteetide äratundmine (NER), objektide tuvastamine piltidel, emotsionaalse sisu märgistamine ning audio transkriptsioonide märgistamine. Seonduvad mõisted hõlmavad märgistamist, sildistamist, anotatsiooni ja juhistel põhinevat õppimist.