数据为中心的机器学习中的重新标记方法

在工业界深度学习应用中，我们手动标注的数据中存在一定程度的噪声数据。为了解决这一问题并使开发数据集的得分超过90分，我们提出了一种简单的方法来识别噪声数据，并通过人工重新标注这些噪声数据，同时以模型预测结果作为参考。本文阐述了我们的方法适用于广泛的深度学习任务，包括分类、序列标记、目标检测、序列生成和点击率预测。开发数据集的评估结果和人工评估结果验证了我们的方法的有效性。