Large language models for data annotation
Loading...
Date
2025-06-16
Authors
Τάτσης, Χρήστος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα εργασία διερευνά τη χρήση Μεγάλων Γλωσσικών Μοντέλων (LLMs) για την υλοποίηση σχολιασμού δεδομένων μέσω της Αναγνώρισης Ονομασμένων Οντοτήτων (NER). Στόχος είναι η αξιολόγηση της ικανότητας των LLMs να επιτελούν την εργασία της σήμανσης και κατηγοριοποίησης οντοτήτων σε φυσικό κείμενο, συγκρίνοντας τις αυτόματες αποκρίσεις των μοντέλων με τις ετικέτες ενός ήδη σχολιασμένου συνόλου δεδομένων. Η μελέτη περιλαμβάνει την εφαρμογή του μοντέλου σε μη προσαρμοσμένη μορφή, καθώς και την περαιτέρω εκπαίδευσή του μέσω fine-tuning, με σκοπό τη βελτίωση της ακρίβειας και της πληρότητας των αποτελεσμάτων.
Η εργασία αναλύει θεωρητικά το πλαίσιο λειτουργίας του NER, τις σύγχρονες μεθόδους που το υποστηρίζουν, καθώς και τη δυναμική των LLMs ως εργαλεία σχολιασμού. Παρουσιάζεται λεπτομερώς η πρακτική υλοποίηση, τα εργαλεία που χρησιμοποιήθηκαν, καθώς και οι μετρικές αξιολόγησης που εφαρμόστηκαν για τη σύγκριση επιδόσεων μεταξύ των διαφορετικών σεναρίων. Τα αποτελέσματα δείχνουν ότι η χρήση LLM για εφαρμογές NER μπορεί να ενισχύσει ουσιαστικά την ποιότητα του αυτόματου σχολιασμού, ενώ αναδεικνύονται και περιορισμοί που σχετίζονται με τη γενίκευση των μοντέλων και την εξάρτηση από το περιεχόμενο των δεδομένων στα οποία εκπαιδεύτηκαν.
Η εργασία καταλήγει σε κρίσιμες παρατηρήσεις και προτάσεις για μελλοντική έρευνα, υπογραμμίζοντας τη σημασία της αξιοποίησης προηγμένων γλωσσικών μοντέλων σε εφαρμογές που απαιτούν ακριβή και αποδοτικό σχολιασμό φυσικής γλώσσας.
Description
Keywords
Μεγάλα γλωσσικά μοντέλα, Αναγνώριση ονομασμένων οντοτήτων, Σχολιασμός δεδομένων, Βαθιά μάθηση