学習なしでの文章分類
L市は、市民からの問い合わせ文を「税」「福祉」「ごみ」「その他」に分類したい。しかし、正解ラベルを付けた過去データがない。大規模言語モデル(LLM)を使って始める方法として、最も適切なものを1つ選べ。
- A
例を一切示さずに分類させるフューショット分類を行い、出力をそのまま採用する
- B
ラベル付きデータを用意せずにファインチューニングを行い、4区分を学ばせて分類する
- C
カテゴリ名と定義を指示文に書くゼロショット分類を行い、人が確認した一部で精度を測る
- D
LLMの埋め込みをk-means法で4つに分け、各クラスタが4区分に対応するとみなす
正解と解説を見る
正解:C
ラベル付きデータがない場合は、指示文でカテゴリを定義するゼロショット分類から始めるのが現実的である。人が判定した少数のサンプルで精度を確かめてから運用に移す。
- A
誤り。フューショットは少数の例を示す方法で、例を示さないのはゼロショットである。出力を検証せずに採用する点も不適切。
- B
誤り。分類向けのファインチューニングには、正解ラベル付きの学習データが必要になる。
- C
正しい。ゼロショット分類なら、例やラベル付きデータがなくても指示だけで分類できる。ただし誤分類もありうるので、人が判定したサンプルで精度を確かめて運用する。
- D
誤り。クラスタは似た文書のまとまりにすぎず、指定したカテゴリと一致する保証はない。名前の対応付けにも人の判断が要る。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。