复合图标题拆分

一、背景

在学术论文、研究报告、教科书等领域,一张复合图通常由多个子图组成,每个子图都有其特定的内容和含义。复合图的标题(caption)通常包含各个子图的描述信息,因此拆分复合图标题有助于更好地理解和分析每个子图的内容。

二、方案

由于图文对数据集的数据量较大,为了提升拆分效率,技术方案分为两部分:

  • 先用大语言模型标注图文对数据集的标题是否需要拆分,基于标注数据训练二分类模型,利用二分类模型对所有标题进行分类;过滤得到需要拆分的标题,将其视作复合图标题。
  • 编写prompt,基于大语言模型对复合图标题进行拆分。

2.1 文本分类

利用大语言模型Qwen2.5 标注标题是否为复合图标题,一共标注30万 条样本。从标注结果中抽样100条,人工评估大模型标准的准确率为98%。标注标题的prompt 如下:

Check if the given composite figure caption contains explicit sub-figure labels. If there are no explicit sub-figure labels, return a single character '1'.

If there are explicit sub-figure labels, then according to these labels, determine if each sub-figure caption starts with a label in the forma
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

浅唱书令

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值