設計の手順
木が課題に合うか見る
架空の木は開発→API/データ→初回呼出/抽出。ID と定義を付けます。複数主題には主分類とタグを使います。
直接の子から選ぶ
原文と経路を渡し、Choice で子または不確実を選びます。分布を残し、言語を主題にしません。
初期の誤りを見る
根が0.52と0.48なら差は小さい例です。一経路だけ選ぶと正しい別枝を失います。
少数の候補を残す
公式例の beam search は K 経路を探索します。仮の K=2 を検証し、長さ規則と費用を示します。経路分は正解確率ではありません。
親分類で止まれるようにする
親と未確定状態を返します。ノード、モデル版、木の版を記録し、変更時は固定例を再評価します。未知主題も扱います。
具体例 · 本サイトの架空データ
| 観察した事実 | 判断 | コードでの処理 |
|---|---|---|
| 根が0.52/0.48 | 弱い差 | 予算内で二経路を残す |
| 親は明確、葉は近い | 親のみ確定 | 葉を確認へ |
| 二つの主題 | 単一ラベルに合わない | 主分類とタグを分ける |
コピーできる設計例
独自の例です。JSON はリクエストや入力の形、Python は架空スコアの計算のみを示します。API は実行しません。接続前に公式仕様と処理方針を確認してください。
# Invented taxonomy input; no model calls.
{
"taxonomy_version": "tutorial-v1",
"node_id": "development",
"children": {"api": "API integration", "data": "Data processing"},
"fallback": "development:needs_review",
"exploration_budget": {"max_paths": 2, "max_depth": 3}
}よくある失敗
- 局所最大を全体最適にする。
- 経路分を校正確率と呼ぶ。
- 木の版を記録しない。
TRY / THINK / COMPARE
先に考えてから解説へ
親は明確、葉は同点。必ず選びますか？
解説を開く
親で保留でき、必要なら追加情報や人の確認を使います。
提出前の確認
- ID と定義を用意。
- 分布と経路を保存。
- 予算・未知・親保留を設計。
- 木の更新を再評価。
よくある質問
beam は必ず良いですか？
同じデータで費用と精度を比べます。
積は confidence ですか？
経路の規則と API confidence は異なります。
参考資料
公式パターンと Datawhale の実践テーマを参考に、説明・例・演習を独自に作成しています。API の実行結果や性能測定ではありません。