翻译数据集用于NER Spacy模型
我正在尝试培训一个模型，以识别简历。更具体地说，我正在尝试培训模型以认识教育，专业经验，技能等。我正在使用我在网上找到的简历数据集，该简历已经以spacy“ ner”模型可以识别的方式进行了格式化。但是数据集用英语，我需要法语数据。 在某个时候，我可能会手动构建数据集，但是现在我将安定为翻译已经拥有的数据集。 例如，让我们制造一个数据点：
[[['我去了纽约'，{entity：[11,19，位置]，[3，7，动词]}]]。数字代表第一个和最后一个字符的位置。因此，“纽约”是一个地点。
因此，这里的问题是翻译将改变，改变，对我们重要的实体的位置。那么我的问题是：有更好的方法吗？
I am trying to train a model for entity recognition on resumes. More specifically, I am trying to train a model to recognize education, professional experience, skills, etc.. on resumes. I am using a dataset of resumes I found online that is already formatted in a way that a spacy 'ner' model would recognize. But the dataset is in English, and I need French data.
At some point, I will probably build the dataset manually, but for now I am going to settle for translating the dataset I already have.
For example, let's manufacture a datapoint:
[['I went to New York ', {entity : [11,19, Location], [3, 7, verb]}]]. The numbers represent the position of the first and last character. So 'New York' is a location.
So the issue here is that the translation will shift, change, the position of the entities that are important for us. So then my question is : Is there a better way to do this ?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论