Presná definícia
Čo znamená dokument?
Dokument v NLP je ohraničená jednotka textu spracúvaná ako celok, napríklad článok, e-mail, zmluva alebo prepis rozhovoru. Hranica dokumentu určuje dostupný kontext, metadáta a spôsob delenia dát; nemusí sa zhodovať so súborom, stránkou ani jedným používateľským vstupom.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri klasifikácii zmlúv sa jeden dokument uchová ako nedeliteľná skupina všetkých strán a príloh. Identifikátor spája text s verziou, jazykom, pôvodom a prístupovými právami. Rozdelenie na tréning a test sa robí podľa dokumentu alebo autora, aby odseky z tej istej predlohy nevytvorili únik dát.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje dokument?
Pipeline načíta obsah, oddelí štruktúru a metadáta, segmentuje text a agreguje výsledky späť na úroveň dokumentu.
Kedy má dokument praktický význam?
Pri klasifikácii zmlúv sa jeden dokument uchová ako nedeliteľná skupina všetkých strán a príloh.
S čím si pojem nezamieňať?
Veta je gramatická jednotka; dokument je dátová a diskurzová jednotka, ktorá môže obsahovať mnoho viet i netextové prvky.
Ako sa výsledok kontroluje?
Kontrolujú sa hranice, poradie častí, úplnosť príloh, kódovanie, duplicita a konzistentnosť identifikátorov.
Na čo si dať pozor?
Chybné spájanie alebo delenie dokumentov skreslí kontext, metriky aj prístupové pravidlá; dlhý dokument môže presiahnuť okno modelu.