4.汽车咨询网站文章自动推送

数据准备第一步，明确需要发布的专栏名称。在该汽车资讯网站中，专栏包括汽车改装、新车测评、自驾游记、买车中心。第二步，针对各个专栏名称，收集该专栏下的常见推文标题，一个专栏下收集30-50个标题名称。例如，自驾游记专栏对应的标题：二月最后一个周末带我的Q7京西游，汽车改装专栏对应的标题：自己动手改房车大功告成。第三步，形成可上传到EasyDL进行训练的数据，您可以导入原始数据后使用EasyDL的标注工具完成标注，这里的原始数据要求为：Excel/txt的单列数据（如下图）：

点击【导入】选择【未标注】数据完成后，点击【标注】通过平台内置的文本分类标注完成快速标注，标签即为专栏名称，一个标题打上一个标签即可，如下图：

也可以先将训练数据处理好后再上传到EasyDL。如果您是将训的训练数据，上传后即可发起训练，如下图：

提示：如果您上传原始数据，也可通过平台内置的标注工具进行快速标注，如下图：

在标注量较大的情况下，您可以开启上图右上角的智能标注功能，您只需要标注30%的文本，剩余的70%文本平台为自动打上标签，提高您的标注效率。

选择算法时，在对时延没有特殊要求的情况下，建议您可以使用高精度算法进行训练，优势是可以使用较少的数据集也能获得高精度效果。在选择筛选指标时，如没有特殊要求，也可以默认选择精度和召回平衡的策略，使用平台默认值即可。为测试平台模型效果，您可以选择开启自定义测试集，即测试集为不同于训练集的数据，您可以在该数据集下看模型效果，如不开启，则平台会自动将训练数据中抽出部分数据作为测试集展示模型效果。

模型部署模型训练完毕后，如您对模型效果满意，可以选择公有云部署，在接口地址中输入自定义名称，如下图：

效果优化当模型训练完毕后，可通过模型评估报告查看效果，从报告中四个标签的训练精度表现看，新车评测、买车中心的准确率较低，如下图：

追溯原因，在前期数据准备时，该两个标签的数据量过少。例如，下图中买车中心仅有15条数据，所以，需要对该标签下的数据进行补充，同时，在买车中心下，发现标题有两种不同的风格，每个风格的数据仅有10条也会影响训练精度，因此，扣充的粒度是买车中心标签下每个风格标题的数据量进行扩充，至少保证30-50条。

常见问题问题1：为什么选择文本分类-单标签任务？

问题2：收集数据的时候，一个专栏下标题风格不同该如何处理？

例如，买车中心专栏下，既有【轩逸最高优惠1.4万】也有【丰田缩小版汉兰达上线，不足十万打在CVT+四轮驱动，油耗仅4L】，针对这种情况，在收集数据时需要将各种不同风格的数据标题都收集到并保证数量。