Direkt zum Inhalt
Text-Technology
Navigation

Definition

Überwachtes Lernen

Überwachtes Lernen trainiert ein Modell mit Beispielen, die bereits die richtige Antwort enthalten.

Beim überwachten Lernen erhält das Modell Eingaben zusammen mit der gewünschten Ausgabe. Es passt seine inneren Gewichte so an, dass es die richtige Antwort möglichst oft trifft. Typische Aufgaben sind Textklassifikation, Wortartenbestimmung und Erkennung von Eigennamen.

Die Methode braucht Beispiele mit verlässlichen Etiketten. Diese müssen von Menschen oder von geprüften Verfahren stammen, sonst lernt das Modell die Fehler mit. Gerade deshalb ist Annotation so zentral.

Der Vorteil ist die Klarheit: Man weiß, was das Modell lernen soll und kann es messen. Der Nachteil ist der Aufwand für die Beschriftung. Fehlen Beispiele für seltene Fälle, lernt das Modell diese oft gar nicht und versagt genau dort, wo es wichtig wird.

Verwandte Begriffe

  • AnnotationAnnotation ist die Anreicherung von Texten mit zusätzlichen, maschinenlesbaren Informationen wie Wortarten, Strukturen oder Bedeutungen.
  • GoldstandardGoldstandard ist eine sorgfältig von Menschen erstellte Referenzannotation, an der automatische Ergebnisse gemessen werden.
  • TextklassifikationTextklassifikation ordnet Texte automatisch vorgegebenen Kategorien zu, etwa Themen, Textsorten oder Dringlichkeitsstufen.
  • Unüberwachtes LernenUnüberwachtes Lernen findet Muster in Daten ohne vorgegebene richtige Antworten, etwa Gruppen ähnlicher Texte.