Woordenlijst

Corpus

Wat is Corpus?

Een corpus is een gestructureerde verzameling teksten of taalgegevens die is samengesteld voor analyse, onderzoek of het trainen van taalmodellen. Het kan algemeen zijn, zoals nieuwsteksten uit vele jaren, of domeinspecifiek, zoals alle contracten en handleidingen van een bedrijf. Omvang, evenwicht, actualiteit en de rechten op de teksten bepalen hoe bruikbaar de resulterende inzichten zijn.

Hoe KI.ordo helpt

In KI.ordo vormt de opgeslagen kennis (teksten, pdf’s met tekstlaag, Word-bestanden en webpagina’s) de verzameling die agents doorzoeken bij het beantwoorden van vragen.

Meer informatie

Onderwerpen

Gegevens
Teksten
NLP

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Trainingsgegevens

Trainingsgegevens zijn de voorbeelden waaruit een AI-model patronen leert: grote tekstverzamelingen voor taalmodellen, gelabelde afbeeldingen voor beeldmodellen. Hun kwaliteit, diversiteit en actualiteit bepalen grotendeels hoe betrouwbaar en eerlijk een model is en hoe actueel zijn kennis zal zijn. Voor organisaties is ook van belang of een aanbieder de klantgegevens die zij invoeren voor verdere training gebruikt.

Gegevens
Training
+1

Natuurlijke taalverwerking (NLP)

Natuurlijke taalverwerking is het deel van AI dat computers in staat stelt menselijke taal in tekst of spraak te analyseren, te begrijpen en te genereren. Het omvat taken als vertalen, classificeren, samenvatten, sentimentanalyse en vraagbeantwoording. Vroeger domineerden regels en statistische methoden; tegenwoordig wordt het vakgebied bepaald door grote taalmodellen.

NLP
Taal
+1

Ongestructureerde gegevens

Ongestructureerde gegevens volgen geen vast tabelschema: e-mails, contracten, handleidingen, webpagina’s, presentaties, afbeeldingen of audio-opnamen. Ze vormen een groot deel van de kennis van een organisatie, maar waren lang moeilijk automatisch te analyseren. Taalmodellen kunnen zulke inhoud lezen en doorzoeken en omzetten in gestructureerde informatie, bijvoorbeeld door termijnen en bedragen uit een contract in een tabel te zetten.

Gegevens
Documenten
+1

Datamining

Datamining is het systematisch doorzoeken van grote datasets op patronen, verbanden en afwijkingen. Het maakt gebruik van statistische technieken en machine-learningmethoden zoals clustering, classificatie of associatieanalyse. Een klassiek voorbeeld is de winkelmandanalyse in de detailhandel, die laat zien welke producten vaak samen worden gekocht – een basis voor assortiment, plaatsing en aanbevelingen.

data-analyse
patroonherkenning
+1