46、人机协作机器学习产品案例解析

人机协作机器学习产品案例解析

在机器学习领域，人机协作的应用越来越广泛。下面将通过两个具体案例，详细介绍人机协作机器学习产品的设计、实现以及潜在扩展。

案例二：收集食品安全事件数据

在日常工作中，许多专业人员需要从非结构化数据中构建结构化数据，食品安全专业人员就是其中之一。他们面临着收集食品安全事件数据的任务，具体问题包括：
- 维护欧盟所有记录在案的食品安全事件的完整记录。
- 追踪不同食品安全事件是否来自同一源头。
- 当可能存在尚未检测或报告的食品安全事件时，向特定国家发出警告。

设计假设与考虑因素

设计该产品时，有以下假设：
- 报告仅使用英语。
- 预训练语言模型将发挥作用。
- 食品安全专家具备提取信息所需的领域专业知识。
- 食品安全专家已将此任务作为工作的一部分。

同时，还需考虑以下重要因素：
- 自主性 ：食品安全专家不希望机器学习集成减慢其工作流程。
- 透明度 ：假设专家希望查看每一份报告，他们应能了解剩余报告数量。
- 一致性和紧凑性 ：专家不应需要滚动、使用鼠标或在屏幕上丢失元素的跟踪。
- 趋势跟踪能力 ：分析师对各国的趋势感兴趣，因此需要跟踪提取的信息如何显示各国之间的移动趋势。

设计与实现

• 主动学习 ：假设两个标签之间的混淆与所有标签之间的混淆体验相同，