在使用附加不同标签的培训时，可以多次使用培训行吗？

Question

如果我有一个数据集，其中对每条短信，相同的，但两个标签是给定的。可能只有一个标签被填好了。要在现实生活中想象这种情景，人们可以把口音划分为“美国英语”和“英国英语”。

这里有一个例子，在每一篇文章中，最多给出了两种情感的价值观。

• 文本-情感-情感
  • 罗恩是个很和蔼可亲的人--5-4
  • 那可不是你喜欢的地方
  • 丽塔不是那么关心人-1-2

现在，我必须预测给定文本列的单一情感列。

是否可以为培训目的创建如下培训数据集？这样做有什么困难呢？

• 文本情感
  • 罗恩是个和蔼可亲的人
  • 罗恩是个和蔼可亲的人
  • 那可不是你喜欢的地方
  • 丽塔不那么关心我
  • 丽塔不那么关心别人

编辑:我的重点不是为给定的文本选择一个类，而是决定将该文本包含两次，并将其归因于不同的类。

Answer 1

我认为这样做是没有问题的。然而，我要做的是汇总。也就是说，我会把每一个独特的文本，并创建一个独特的实例与它。问题仍然是，我对此有何感想。我会用中值来做，因为它比平均值更健壮。也就是说，如果我有以下情况：

• 罗恩是个和蔼可亲的人
• 罗恩是个和蔼可亲的人
• 罗恩是个和蔼可亲的人
• 罗恩是个很和善的人

我要把这些归纳为：

• 罗恩是个和蔼可亲的人

这是为了使出现多次的文本和只出现一次的文本具有同样的重要性。原则上，它们应该是同等重要的，所以没有任何理由让它们中的任何一个出现在你的学习算法中。如果一个实例在学习算法中出现了很多次，那么成本函数比其他实例受到的影响要大得多，我认为这不是您想要的。

编辑

我不知道你的问题是否说每个例子最多出现两次。在这种情况下，中位数和平均值是相同的，所以你可以用平均值进行汇总。