我是NLP和文本挖掘的新手，我正在尝试构建文档分类器。 训练完模型后，我们将在新文档上对其进行测试（它们是测试数据，没有标签）。预计该模型不是100％准确的；因此对于分类错误的文档，我们希望与用户互动以纠正这些错误的预测。
我有两个想法：
重新训练模型，其中：traindata = old_traindata +用户校正的数据。
每个用户的纠正之后，更新模型参数。
听起来正确吗？在第二种情况下，我应该使用哪种算法？我们如何有效地解决这个问题？
答案 0 :(得分：3)
您可以执行此操作，但是如果您计划每天对整个数据进行一次又一次的训练，这将是一项非常繁重的任务。与其完全重新训练模型，不如尝试转移学习。保存模型，然后将其加载回去，并根据用户校正的数据进行训练。该模型将能够纠正它的错误而不会丢失它已经学到的东西。迁移学习的问题在于，经过一段时间后，它会被微调到新数据，因此您必须从头开始对其进行重新培训。但这比每天重新训练模型要好得多。
您应该具有适当的度量标准，以检查在多次“转移学习”迭代之后，模型的准确性是否开始下降到旧数据中。如果准确性下降，则只需对所有数据进行模型再训练直至截止日期，您将很容易进行。