训练集构建：利用多种方式从搜索日志及各项垂类业务中采样出百万级文本样本。按照意图区分为单片段和多片段文本并分别生产和优化，提升模型对新词热词、热门实体、热门事件的识别效果。通过抽象构建过程中的通用模块，在较短时间内完成模型样本的快速补充和迭代。
测试集设计：按照通用文本、特殊垂类、重点业务需求、常见恶劣 case 四方面设计构建测试集，指导外包进行人工标注。通过观察模型迭代过程中在各测试集上的效果，保证每次模型升级效果均为正向，避免模型升级带来的不可控问题。
百度内部基础设施，从词汇理解和句子理解的角度探索中文通用知识表征与应用。通过构建中文全词类知识库，将文本与通用词汇知识体系相关联，让模型对中文语句的理解能力更接近于人，从而实现通用域中文文本的精准解析与挖掘。
知识标注系统架构示意 / 可放置架构图、流程图或技术演示
训练集构建：利用多种方式从搜索日志及各项垂类业务中采样出百万级文本样本。按照意图区分为单片段和多片段文本并分别生产和优化，提升模型对新词热词、热门实体、热门事件的识别效果。通过抽象构建过程中的通用模块，在较短时间内完成模型样本的快速补充和迭代。
测试集设计：按照通用文本、特殊垂类、重点业务需求、常见恶劣 case 四方面设计构建测试集，指导外包进行人工标注。通过观察模型迭代过程中在各测试集上的效果，保证每次模型升级效果均为正向，避免模型升级带来的不可控问题。