Keresés

Keresési eredmények

• A felügyelt gépi tanulás kihívásai a szociológiai alkalmazásokban

  27-42.

  Renáta Németh

  Megtekintések száma:

  37

  Az ipari/üzleti alkalmazásokban már sokszorosan bizonyított felügyelt gépi tanulás szociológiai alkalmazásai sajátos kérdéseket vetnek fel. A sajátosság oka, hogy ezekben az alkalmazásokban komplex fogalmak megtanulása az algoritmus feladata (pl. hogy gyűlöletbeszédet
  tartalmaz-e egy tweet). A felügyelt tanulás lényege, hogy előre bekódolt (gyűlöletbeszéd/nem
  gyűlöletbeszéd) szövegek címkézését tanulja meg az algoritmus, jellegzetes szövegmintázatokat
  keresve. A felmerülő kérdések: hogyan jön létre a címkézés? Hogyan lehet betanított kódolókkal
  elvégeztetni egy olyan hermeneutikai kihívást, mint a gyűlöletbeszéd felismerése? Segítenek-e
  ezen a rutinszerűen alkalmazott, részletezett annotálási irányelvek? A cikk arra is kitér, hogyan
  végzik crowdsourcing platformokon a kódolást a nagy cégek, illetve ismertetem az MI-torzítást
  is, aminek itt az a lényege, hogy a kódolók maguk viszik be a diszkriminációt az adatokba. E
  kérdéseket kutatási tapasztalatainkkal illusztrálom.
  KULCSSZAVAK: felügyelt gépi tanulás, annotálás, crows