ما هو توسيم البيانات؟

توسيم البيانات هو عملية إرفاق تصنيفات بالبيانات الخام (نصوص أو صور أو صوتيات أو فيديو أو مخرجات النماذج) بحيث يمكن قياس البيانات أو مقارنتها أو استخدامها لتدريب نماذج التعلم الآلي وتقييمها. قد يكون التصنيف فئة مشاعر لتغريدة، أو اسمًا مُبرَزًا في جملة، أو تقييم جودة من 1 إلى 5 لردّ روبوت محادثة، أو مربعًا مُحيطًا حول مشاة في صورة.

يُسمّى التوسيم أحيانًا بـ data labeling أو الوسم أو الترميز (المصطلح المستخدَم في العلوم الاجتماعية). انظر توسيم البيانات والفكرة المرتبطة بها مجموعة تدريب مُصنَّفة على ويكيبيديا.

لماذا يهمّ

يتعلّم التعلم الآلي المُوجَّه من أمثلة تحمل الإجابة الصحيحة سلفًا. وجودة تلك الإجابات تضع سقفًا لجودة النموذج، لذا كثيرًا ما يكون التوسيم الدقيق الجزءَ الأعلى أثرًا في المشروع. والتوسيم أيضًا هو الطريقة التي تُقيّم بها نموذجًا: فلكي تعرف ما إذا كان نظام ذكاء اصطناعي صائبًا، يلزم عادةً أن يحكم شخصٌ على مخرجاته.

أنواع مهام التوسيم الرئيسية

تندرج معظم المشاريع ضمن عائلات قليلة، وتقابل كلٌّ منها واحدًا أو أكثر من عناصر التوسيم في Potato (انظر مخطّطات التوسيم).

• التصنيف: اختيار فئة واحدة أو أكثر لعنصر بأكمله. مثال: هل هذه المراجعة إيجابية أم سلبية أم محايدة؟ انظر تصنيف النص.
• توسيم المقاطع: تحديد منطقة داخل العنصر، مثل اسم في جملة أو جزء من مقطع صوتي. انظر توسيم المقاطع.
• التقييم والتنقيط: وضع العنصر على مقياس، مثل حكم جودة من 1 إلى 5. انظر مقاييس التقييم.
• الترتيب والمقارنة: ترتيب العناصر أو اختيار الأفضل من اثنين. انظر المقارنة الزوجية ومقياس الأفضل–الأسوأ.
• التوسيم المُهيكَل: ربط المقاطع في علاقات، أو بناء سلاسل الإحالة المرجعية، أو توسيم الأحداث. انظر استخراج العلاقات والأحداث.
• النص الحر: كتابة شرح أو تصحيح أو تفريغ نصّي.

مثال بسيط

مهمة المشاعر في Potato هي بضعة أسطر من YAML. ويعرّف بلوك annotation_schemes التصنيفات التي يراها المُعلّق:

annotation_schemes:
  - annotation_type: radio
    name: sentiment
    description: "What is the overall sentiment of this review?"
    labels:
      - Positive
      - Negative
      - Neutral

هذا هو تعريف الواجهة بأكمله. تُقدّم البيانات، وتُشغّل potato start، فيُعلّق المُعلّقون في المتصفّح.

كيف يسير المشروع عادةً

1. عرّف المهمة. دوّن السؤال ومجموعة التصنيفات.
2. اكتب الإرشادات. زوّد المُعلّقين بقواعد وأمثلة. انظر كتابة إرشادات التعليق.
3. أجرِ تجربة استرشادية. علّق دفعة صغيرة، واكتشف مواضع الاختلاف، وحسّن الإرشادات.
4. علّق مع تداخل. اجعل عدة أشخاص يعلّقون العناصر نفسها كي تقيس الاتفاق.
5. قِس الاتفاق. انظر اتفاق المُعلّقين.
6. ابتّ وصدّر. احسم مواضع الاختلاف وصدّر للبيانات بغرض التدريب أو التحليل.

قراءات إضافية

• اختيار مخطّط التوسيم
• البدء السريع، شغّل Potato في خمس دقائق
• مرجع مخطّطات التوسيم