阿里云NLP平台技术文档——短文本匹配

短文本匹配：上传短文本匹配数据，训练短文本语义匹配模型，使用模型时，输入两个短文本，返回相似度

NLP自学习平台使用流程如下图所示：

实现短文本匹配步骤：

步骤一：创建项目

创建并管理自己的项目，目前您可以创建八种项目类型：1、文本实体抽取；2、文本分类；3、关键短语抽取；4、情感分析；5、关系抽取；6、短文本匹配；7、商品评价解析；8、简历抽取

注意：项目可添加更多的项目管理员，管理员拥有这个项目下所有权限（项目、数据、模型等），通过输入阿里云账号添加；同时，也支持子账号管理项目

搜索自然语言处理/NLP，点击左侧工具栏的“创建项目”，选择所需项目类型，这里以短文本匹配为例，点击“短文本匹配”

步骤二：数据管理

2.1创建标注任务

1、上传代标注文档，添加标注人员

进入某一项目后，可以在数据中心中管理您的数据，有两种方式可以创建数据：1、创建标注任务；2、上传数据集。

填写项目信息

打*号为必填项，填写项目类型，项目名称，项目描述。“行业类型”填写最相近的行业类型，管理员会定期针对性地优化行业语言模型，准确的行业类型将有助于提高模型准确率。

填写完毕后，点击确认。

注意：创建者和项目管理员默认为标注人员，同时，您也可以将标注任务分配给您创建的阿里云子账号，被分配用户通过子账号的账号密码登录本平台，即可参与数据标注。子账号登录说明：1、子账号登录页，登录：https://signin.aliyun.com/login.htm2、登录后，复制该URL进入标注页面：https://nlp-automl.aliyun.com/automl/annotation/index

步骤二：设置待标注的题目

不同项目类型中的题目类型会有所不同，例如文本实体抽取项目中的题目为实体名：

文本分类项目中的题目为分类名：

步骤三：标注数据

完成标注任务的创建后，您可以在数据中心中，点击标注进入标注中心，进行文档的标注，每篇文档仅会被标注一次

步骤四：数据质检（可选）

您可以通过筛选和搜索，质检已经标注好的文档，以确保良好的标注质量

2.2 上传数据集

除了创建标注任务外，您也可以上传本地已标注好的训练数据，按示例文件的格式规整后，直接上传

1、点击进入项目

2、点击创建标注项目

填写相关信息，填写任务名称，并上传数据文件，点击提交。

注意：数据文件类型仅支持.txt，.xlsx格式，一次最多可上传200个文件，单个文件大小不超过20M。

添加的标注数据至少要500个以上，且要包含相似和不相似的文本。数据越多，相似和不相似的越多，相似度越高。

3、进入该页面，若一直在解析中，可以点击右上角的更新按钮，进行更新

4、点击标注，进入标注页面，进行标注

5、标注完成后，点击模型中心，开始训练模型，点击“训练”

6、训练完成后，显示如下表示训练完成

7、现在可以进行测试，测试模型是否正确。输入两个数据，测试内容是否相似。此时如果发现测试错误，则进行数据纠错。纠正的数据将自动保存在“短文本匹配V1”数据集中，之后可以补充该数据集，新增版本重新训练模型。

三、 模型管理

用户可以在模型中心中一键训练模型，查看模型评估指标，并进行在线可交互测试，测试完毕后可通过API方式调用接口

步骤一：训练模型

在创建模型页中，输入模型基本信息，选择已标注完的数据，一键训练模型，模型训练需0.5-1小时

步骤二：模型查看

您可以查看模型的相关评估指标，主要有精确率、召回率和F1值；同时，您也可以新增模型版本，进行版本管理

注意：如果训练数据在100份以内，模型效果可能欠佳，且评估指标波动较大，基本无参考意义。若需要良好稳定的模型效果，训练数据建议在500份以上

步骤三：模型测试

模型发布后，您可以直接在平台上进行测试，并对不准的预测结果进行纠错

注意：为方便业务使用，同一模型同时可以发布两个版本，若需发布第三个版本，请手动下线一个已发布的版本

步骤四：API调用模型