媒·眼看｜假升级，真打脸：逃离不了家庭的赘婿(16)

34 机器学习是目前人工智能研究领域普遍使用的方法，试图让机器像人类一样，通过学习给定的材料理解一些知识，或形成判断、选择、生成数据等能力。目前机器学习方法已经在许多领域得到了应用，并得到了一些可用的成果，但具体机器如何组织、理解获得的信息仍然是一个“黑箱”过程，目前还没办法获知。
35 常规情况下，机器学习需要成千上万的训练材料，才能获得可用的学习效果。但使用更少的训练材料得到更好的学习效果一直是相关人员的努力方向，其中一个解决方案是在较宽泛的范围中选取大量的材料训练出预训练模型（类似于本科通识教育），而后在这一范围包含的某一具体领域的项目中使用预训练模型，学习较少的材料就能得到较好的成果。本次项目所能提供的训练材料相对较少，因此使用了文本分类任务中常用的BERT预训练模型。
36 “粒度”，即数据统计的粗细程度。根据统计目标的不同，应该选取适当的粒度，以便在尽量不影响比较结果的情况下，降低统计的难度。
37 例如，笔者认为，在本研究中，在数个不同文本正确率均达80%以上时，程序识别结果已足够对比赘婿文中不同文本、赘婿文与传统都市异能文之间的打脸情节节奏差异，不同文本中的识别正确率差距亦可提示其中打脸情节描写的差异性大小。
文/谭天 蔡翔宇
编/雷宁
图片资料从公开渠道整理，
版权归原作者所有
如有不妥，请与本号联系