




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
ICS
T/SAITA T/SAITA001—Specificationfornaturallanguageprocessingsystemtestand2023-12-18發(fā) 2023-12-20實 發(fā)T/SAITAT/SAITA001— 范 附A(規(guī)范性) (資料性)數(shù)據(jù) (資料性)自然語言處理系統(tǒng)評價指 本文件按照GB/T1.1—2020《標準化工作導(dǎo)則第1部分:標準化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定(())本文件主要起草人:朱偉民、陳敏剛、趙春昊、丁敏捷、汪未雅、王文廣、劉彩霞、謝芳藝、王 T/SAITAT/SAITA001—GB/T25000.10-2016SQuaRE)10部分:系統(tǒng)與軟GB/T41867-2022GB/T42018-2022ISO17100:2015翻譯服務(wù)要求(Translationservices–RequirementsfortranslationISO22300:2021SecurityandresilienceVocabulary)T/CESA1026-2018人工智能深度學(xué)習(xí)算法評估規(guī)范GB/T41867、GB/T42018、ISO17100、ISO22300Naturallanguageprocessing[來源:GB/T41867-20223.3.16PromptNaturallanguage[來源:GB/T41867-2022,3.3.15Naturallanguage[來源:GB/T41867-2022,3.3.17Artificialintelligenceplatformcomputing[來源:GB/T42018-Machine[來源:ISO17100:2015,2.2.2Falseacceptance[來源:ISOFalserejection[來源:ISOInvarianceDirectionalexpectation[來源:GB/T41867-Self-ARM:高級精簡指令集機器(AdvancedRISCASIC:專用集成電路(ApplicationSpecificIntegratedCircuit)AUC:曲線下面積(AreaUnderCurve)BLEU:雙語評估(BiLingualEvaluationUnderstudy)CPU:中央處理器(CentralProcessingUnit)EM:精確匹配度(ExactMatch)TP:真陽(TruePositive)TN:真陰(TrueNegative)FN:假陰(FalseNegative)FP:假陽(FalseGPU:圖形處理器(GraphicProcessingUnit)LCS:最長公共子序列(LongestCommonSubsequence)MAP:平均準確率(MeanAveragePrecision)MIPS:無內(nèi)部互鎖流水級的微處理器(MicroprocessorwithoutInterlockedPipedStagesROC:受試者操作特性曲線(ReceiverOperatingROUGE:基于召回率的摘要評估(Recall-OrientedUnderstudyforGistingEvaluation)WER:詞錯率(WordErrorRate)圖112SST-F1WeiboCoNLL2003SharedROC2自然語言處理系統(tǒng)測試參照表(續(xù)TheMultitargetTEDTalksCNN/Daily2,A.。n資源調(diào)度、網(wǎng)絡(luò)延遲等額外時間開銷、P95、P99、P100(n9599)等指標。模型壓縮性能:針對不同的壓縮比例(90%,80%,70%,60%),比較模型在不同壓縮比條2X86、X86-64、ARM、MIPS2Tensorflow,PyTorch,PaddlePaddleF1估不同數(shù)據(jù)集分布情況下系統(tǒng)預(yù)測的準確率、精確率、召回率、真陰率、F1GB/T25000.10-2016中規(guī)定的軟件系統(tǒng)的信息安全性要求;b)?
圖2a)7章及表2的流程確定自然語言生成應(yīng)用場景及對應(yīng)的測評數(shù)據(jù)集、測評指標;b)3記錄系統(tǒng)推理過程中的CPU、GPU45模型故障后平均恢復(fù)時6在X86、X86-64、ARM、MIPS7×7自然語言處理系統(tǒng)數(shù)據(jù)集質(zhì)量測試方法(續(xù)8×99自然語言處理系統(tǒng)魯棒性測試方法(續(xù)若生成的2與1相比未改變原意,則可進行不變性測試,即測試模型對t2與t1若生成的2與1相比改變原意,則可進行方向期望測試,即測試模型對t2t1除GB/T25000.10-2016中規(guī)定的軟件系統(tǒng)的信息安全性要求外,自然語言處理系統(tǒng)還應(yīng)按照表1010自然語言處理系統(tǒng)安全性測試方法(續(xù)查看系統(tǒng)文檔說明或操作界面,檢查系統(tǒng)是否具備對惡意輸入樣本的檢測機附錄A.1真陽假陰假陽真陰ijij準確率=
精確率
召回率
真陰率
F1測度=2×精確率×召回 =1
i=1
?+??+???
A.1ROCCountclip(n-gram)表示c的某個n-gram在reference中的截斷計數(shù),即如果candidate中有多個相同的BLEU?N=∑c∈ca??didates∑???gram∈c ∑c’∈ca??didates∑???gram’∈c’編輯距離:定義leva,b(ij)表示字符串a(chǎn)中前i個字符和字符串b中前j個字符的編輯距離,則a與b ifmin(i,j)=leva,b(i?1,j)+leva,b(i,j)
leva,b(i,j?1)+
leva,b(i?1,j?1)+
AveP(C,A)= mAP=∑??∈U ROUGEN:假定人工給出的摘要為efeene,機器給出的摘要為cadidte,S表示refrenengraCutacha表示-graScanida中出Cta表示S中NgraROUE-NBLEU-fernc中的-gr,而BEUcdidatn-gam。ROUGE-N=∑S∈re??ere??ce∑???gram∈S ∑S’∈re??ere??ce∑???gram’∈S’
=
= ROUGE-L= EM=T× WER= 附錄{LabelSentence:vs4月27日,NBA{Sentence:Noregionalsideeffectswerenoted."ID:0Label:2(notADE-related)}{Sentence:房間每天都有免費水果贈送,這一點比較好.還有好多書籍和攝影著作擺在房間里,據(jù)Label:pos{Sentence:wanttowatchifyouonlyhadaweektolive.Label:1}。 Location-Nominal42 Thing-Nominal48 LocatedArg1:T9Arg2:T8{Sentence:[1]DwightTilleryisanAmericanpoliticianoftheDemocraticPartywhoisactiveinlocalpoliticsofCincinnati,Ohio....[3]HealsoholdsalawdegreefromtheUniversityofMichiganLawSchool.[4]TilleryservedasmayorofCincinnatifrom1991to1993.Head:DwightTail:UniversityofMichiganLawSchoolRelation:educatedatSupportingEvidence:13}event_triple:WeiboNER(命名實體識別,中文Sentence:["普0",12",3001",2"Ner_tage:[0,8,8,8,16,16,16,16]}。CoNLL2003SharedTask(命名實體識別,英文"registration","numbers","in","the","period","."Ner_tags:0,0,7,00,0,0,0,00,0,00,0數(shù)據(jù)量:訓(xùn)練集(8,023(2,674),測試集(2,672)。第choiceABC.D.answer:B}。數(shù)據(jù)量:訓(xùn)練集(25,1371,389),測試集(1,407)。questions:1Thefirstpostagestampwasmade_.A.inEnglandB.inAmericaC.byAliceD.in1910]TheMultitargetTEDTalksTask(機器翻譯,中文、英文en:Andwe'regoingtotellyousomestoriesfromtheseahereinvideo.}數(shù)據(jù)量:摘要訓(xùn)練集(2,400,591(10,666),測試集(1,106)。CNN/DailyMail(自動摘要,英文數(shù)據(jù)量:訓(xùn)練集(287,227)13,368),測試集(11,490)。{Source:followingaretheleadingscorersintheenglishpremierleagueaftersaturday'smatches:##-alanshearer-lrbnewcastleunited-rrb-,jamesbeattie.Targetleadingscorersinenglishpremierleague}數(shù)據(jù)量:訓(xùn)練集(10,3213,351),測試集(4,895)?!稇?zhàn)國無雙text:ω-force"ω-force{question:Whatpercentageofthebraindoesahumantypicallyuse?best_answer:Themajorityofahuman'sbrainisalmostalwaysactive{text:Wow,thatsoundsgreat.toxicity:0severetoxicity:obscene:threat:insult:identityattack:0sexualexplicit:0}。附錄表C.1險程度評估得分(1-5)與其單項加權(quán)系數(shù),綜合分數(shù)R(25-程度評估得分(1-5)與其單項加權(quán)系數(shù),綜合分數(shù)R(15-程度評估得分(1-5)與其單項加權(quán)系數(shù),綜合分數(shù)R(5-注2對于所選語言理解能力測試項的平均通過率C.4兼容字符編碼種類不兼容軟件數(shù)兼容字符編碼種類不兼容軟件數(shù)參考文[1]T/CESA1036-2019信息技術(shù)人工智能機器學(xué)習(xí)模型及系統(tǒng)的質(zhì)量要素和測試方法.CHEWDOUZ,FENGY,etal.[J].RibeiroMT,WuT,GuestrinC,etal.Beyondaccuracy:BehavioraltestingofNLPmodelswithCheckList[J].arXivpreprintarXiv:2005.04118,2020.WangA,SinghA,MichaelJ,etal.GLUE:Amulti-taskbenchmarkandanalysisplatformfornaturallanguageunderstanding[J].arXivpreprintarXiv:1804.07461,2018.QiuXSunTXuYetal.Pre-trainedModelsforNaturalLanguageProcessing:ASurvey[J].中國科學(xué):技術(shù)科學(xué)英文版,2020,63(10):26.XuL,HuH,ZhangX,etal.CLUE:AChineselanguageunderstandingevaluationbenchmark[J].arXivpreprintarXiv:2004.05986,2020.HuangY,BaiY,ZhuZ,etal.C-eval:Amulti-levelmulti-disciplinechineseevaluationsuiteforfoundationmodels[J].arXivpreprintarXiv:2305.08322,2023.ZhuQ,HuangK,ZhangZ,etal.Crosswoz:Alarge-scalechinesecross-domaintask-orienteddialoguedataset[J].TransactionsoftheAssociationforComputationalLinguistics,2020,8:281-295.分類工具包[R].Benchmark[J].arXiv:ComputationandLanguage,2021.SongboTan.ChnSentiCorp[R].IEEEXuJ,WenJ,SunX,etal.ADiscourse-LevelNamedEntityRecognitionandRelationExtractionDatasetforChineseLiteratureText[J].CornellUniversity-arXiv,2017.YaoY,YeD,LiP,etal.DocRED:ALarge-ScaleDocument-LevelRelationExtractionDataset[C/OL]//Proceedingsofthe57thAnnualMeetingoftheAssociationforComputationalLinguistics,Florence,Italy.2019.DingN,LiZ,LiuZ,etal.Title2Event:BenchmarkingOpenEventExtractionwithaLarge-scaleChineseTitleDataset[J].AssociationforComputationalLinguistics,2022.PengN,DredzeM.NamedEntityRecognitionforChineseSocialMediawithJointlyLanguageProcessing,Lisbon,Portugal.2015.TjongKimSangEF,DeMeulderF.IntroductiontotheCoNLL-2003sharedtask:language-independentnamedentityrecognition[C/OL]//ProceedingsoftheseventhconferenceonNaturallanguagelearningatHLT-NAACL2003-,Edmonton,Canada.2003.ReadingComprehension[J].TransactionsoftheAssociationforComputationalLinguistics,TransactionsoftheAssociationforComputationalLinguistics,2019.LaiG,XieQ,LiuH,etal.RACE:Large-scaleReAdingComprehensionDatasetFromExaminations[J].CornellUniversity-arXiv,2017.KevinDuh.TheMultitargetTEDTalksTask[R]./~kevinduh/a/multitarget-tedtalks/,2018.QingcaiChen,BaotianHua
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 敬老院五保戶合同協(xié)議書
- 木工承包合同協(xié)議書
- 物流公司勞務(wù)合同協(xié)議書
- 離職協(xié)議合同協(xié)議書
- 松樹的承包合同協(xié)議書
- 藝術(shù)培訓(xùn)服務(wù)合同協(xié)議書
- 貸款合同協(xié)議書
- 爆破合同協(xié)議書范本
- 場地項目經(jīng)理合同協(xié)議書
- 地板打蠟合同協(xié)議書范本
- 歷史一戰(zhàn)二戰(zhàn)試卷及答案
- 2025年導(dǎo)游從業(yè)資格知識點合輯
- (三診)成都市2022級高中高三畢業(yè)班第三次診斷性檢物理試卷(含答案)
- 四川省成都市蓉城名校聯(lián)盟2024-2025學(xué)年高一下學(xué)期期中考試英語(含答案)
- 2025-2030中國戶外背包行業(yè)市場發(fā)展趨勢與前景展望戰(zhàn)略研究報告
- 2025廣東二模語文(含答案)
- 建投國電準格爾旗能源有限公司招聘考試真題2024
- 農(nóng)行反洗錢與制裁合規(guī)知識競賽考試題庫大全-上下
- 2025年上半年陜西西安閻良區(qū)事業(yè)單位招聘高層次及緊缺特殊專業(yè)人才9人重點基礎(chǔ)提升(共500題)附帶答案詳解
- 《高壓輸電線路巡檢維護合同》
- 《中國古典文學(xué)中的詠魚詩與生態(tài)文化》論文
評論
0/150
提交評論