高精度」算法内置 文心大模型 ，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化。

查看更多>>

整体评估中，各指标的释义如下： 准确率：正确分类的样本数与总样本数之比 F1-score：给每个类别相同的权重，计算每个类别的F1-score，然后求平均值 精确率：给每个类别相同的权重，计算每个类别的精确率，然后求平均值 召回率：给每个类别相同的权重，计算每个类别的召回率，然后求平均值 如果在训练阶段，使用的数据集中，相似或不相似的文本量在100条以内，训练出来的模型的效果评估报告的参考价值较小，

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果。 「完整评估结果」页面中将记录整体评估的报告，包括该模型整体的F1-score、精确率、召回率。可以切换查看训练集与自定义测试集的效果评估报告。

查看更多>>

1.2 添加知识 在“知识管理”下点击“添加知识卡片”按钮，进行知识的添加。 添加描述词、详细定义/公式和近义词： 描述词：您在问数时可能涉及的私域知识，行业通用概念、新增计算字段、个人习惯表达等，如“最新周期”、“双十一”、“包邮区“。 详细定义/公式：该描述词所对应的具体业务知识解释或计算公式，请尽量关联表内字段，如“订单日期为每年 11 月 11 日”、“省份为江苏、浙江、上海”。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score、召回值等指标。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score等指标。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score等指标。

查看更多>>

如何解读模型效果 在看模型评估报告结果中，首要需要关注下详细评估中的预测表现，这里可以看到所有评估报告的数据是基于什么量级进行计算的。当整体参与评估的数量较少时，所有数值可能无法真实反映模型效果。 在查看模型评估结果可能需要思考在当前业务场景精确率与召回率更关注哪个指标，是更希望减少误识别，还是更希望减少误召回。前者更需要关注召回率的指标，后者更需要关注精确率的指标。

查看更多>>