[發明專利]一種檢測噪音數據的方法及裝置

有效

• 申請號: 201110314507.0
• 申請日: 2011-10-17
• 公開（公告）號: CN103049629A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 陳維;侯磊
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

1.一種檢測噪音數據的方法，其特征在于，包括：

基于訓練數據的特征信息和實際標注信息建立預測模型；

依據所述預測模型對訓練數據的實際標注信息進行預測，獲得對應的預測標注信息；

提取實際標注信息與預測標注信息不一致的訓練數據，作為噪音數據。

2.如權利要求1所述的方法，其特征在于，所述訓練數據包括所有待檢測的訓練數據。

3.如權利要求1所述的方法，其特征在于，所述訓練數據不包括所有待檢測的訓練數據，在基于訓練數據的特征信息和實際標注信息建立預測模型的步驟之前，還包括：

將待檢測的訓練數據劃分為N份，其中，N為大于1的正整數。

4.如權利要求3所述的方法，其特征在于，所述基于訓練數據的特征信息和實際標注信息建立預測模型的步驟為，依次提取N份中的N-1份待檢測的訓練數據，并基于所述N-1份待檢測的訓練數據的特征信息和實際標注信息建立預測模型；

所述依據預測模型對訓練數據的實際標注信息進行預測，獲得對應的預測標注信息的步驟為：

分別依據所述預測模型對剩余的一份待檢測的訓練數據的實際標注信息進行預測，獲得對應的預測標注信息，所述預測標注信息包括N份待檢測的訓練數據所對應的預測標注信息。

5.如權利要求2或3或4所述的方法，其特征在于，所述預測模型包括通過對各個訓練數據的特征信息和標注信息進行統計后，獲取的不同特征信息對應的各種標注信息的統計值。

6.如權利要求5所述的方法，其特征在于，所述依據預測模型對訓練數據的實際標注信息進行預測，獲得對應的預測標注信息的步驟包括：

由預測模型所包含的不同特征信息對應的各種標注信息的統計值，以及訓練數據的特征信息，對訓練數據的實際標注信息進行預測，獲得對應的預測標注信息。

7.如權利要求6所述的方法，其特征在于，還包括：

對所述噪音數據進行復核。

8.一種檢測噪音數據的裝置，其特征在于，包括：

預測模型建立模塊，用于基于訓練數據的特征信息和實際標注信息建立預測模型；

預測模塊，用于依據所述預測模型對訓練數據的實際標注信息進行預測，獲得對應的預測標注信息；

噪音數據提取模塊，用于提取實際標注信息與預測標注信息不一致的訓練數據，作為噪音數據。

9.如權利要求8所述的裝置，其特征在于，所述訓練數據包括所有待檢測的訓練數據。

10.如權利要求8所述的裝置，其特征在于，所述訓練數據不包括所有待檢測的訓練數據，在預測模型建立模塊之前，還包括：

訓練數據劃分模塊，用于將待檢測訓練數據劃分為N份，其中，N為大于1的正整數。