[發明專利]一種意圖數據質檢方法及系統

在審

• 申請號: 201911331239.6
• 申請日: 2019-12-21
• 公開（公告）號: CN111177380A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 黃友福;肖龍源;蔡振華;李稀敏;劉曉葳;譚玉坤
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N3/04;G06N3/08
• 代理公司: 廈門原創專利事務所(普通合伙) 35101
• 代理人: 高巍

1.一種意圖數據質檢方法，其特征在于，所述方法包括：

S1：獲取待質檢數據集，并制定訓練集和測試集；

S2：以bert為embedding，利用CNN訓練所述的訓練集得到文本分類模型；

S3：通過所述的文本分類模型預測所述測試集，得到包含意圖偽標簽的意圖數據集；

S4：整合后生成標準正確率的參考值。

2.根據權利要求1所述的一種意圖數據質檢方法，其特征在于，步驟S4進一步包括：

S4-1：重復步驟S2和S3執行n次，得到n組偽標簽的意圖數據集；其中，n定義的范圍為5≤n≤10；

S4-2：提取n組偽標簽的意圖數據集中相同文本的文本數據集，以所述文本數據集中的偽標簽為標準；

S4-3：對比所述文本數據集中偽標簽與人工標簽相同的比例，以該比例作為標準正確率的參考值。

3.根據權利要求1所述的一種意圖數據質檢方法，其特征在于，所述待質檢數據集從通過標注完成的數據中抽取。

4.一種意圖數據質檢系統，其特征在于，所述系統包括：獲取模塊、訓練模塊、預測模塊和生成模塊；其中，

所述獲取模塊，用于獲取待質檢數據集，并制定訓練集和測試集；

所述訓練模塊，用于以bert為embedding，利用CNN訓練所述的訓練集得到文本分類模型；

所述預測模塊，用于通過所述的文本分類模型預測所述測試集，得到包含意圖偽標簽的意圖數據集；

所述生成模塊，用于整合后生成標準正確率的參考值。