申请/专利权人：神思电子技术股份有限公司

申请日：2023-12-18

公开（公告）日：2024-03-22

公开（公告）号：CN117744608A

主分类号：G06F40/169

分类号：G06F40/169;G06F40/216;G06F18/22;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：一种用于解决多轮对话中训练数据蕴含实体标注冲突的方法，涉及语言分析技术领域，获取不同标注人员标注的待检测数据，抽样检测评估不同标注人员标注数据的质量即标注正确率，将不同标注人员标注的任意两条数据输入至相似度检测模型，计算出两条数据的相似度，当相似度大于设置的阈值时，判断上述两条数据标注的标签是否一致；当标签不一致时，则判定上述两条数据标注的标签存在冲突，根据不同标注人员标注正确率计算标注数据中每个标签的重要程度，当标注数据中的某个标签的重要程度大于设置阈值时，则判定该标签标注正确，极大地提高了训练数据标注的质量，提高工作效率，降低了人工反复核查的成本，充分综合了不同标注人员的建议。

主权项：1.一种用于解决多轮对话中训练数据蕴含实体标注冲突的方法，其特征在于，包括如下步骤：S01.获取n个不同标注人员标注的m个语句的待检测数据集D，D＝{D1,D2,...,Di,...,Dn}，Di为第i名标注人员的待检测数据，i∈{1,...,n}，Di＝{Di_1,Di_2,...,Di_r,...,Di_m}，Di_r为第i名标注人员的标注的第r个语句的标注数据及该数据所标注标签，r∈{1,...,m}；S02.统计第i名标注人员标注的准确率Pi；S03.将第i名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di_r及第i+1名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di+1_r输入到相似度检测模型中，输出得到相似度值Sr；S04.根据相似度值S判断第i名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di_r与第i+1名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di+1_r是否一致，当不一致时执行步骤S05；S05.对比第i名标注人员的标注的第r个语句的标注标签与第i+1名标注人员的标注的第r个语句的标注标签是否完全一致，如果不完全一致则将第i名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di_r与第i+1名标注人员的标注的第r个语句的标注数据及该数据所标注标签Di+1_r作为冲突数据组；S06.计算第i名标注人员的标注的第r个语句的各个标注标签的重要程度Wx；S07.根据重要程度Wx判定第i名标注人员的标注的第r个语句的标注标签是否正确；S08.重复步骤S03至步骤S07直至检测完成所有标注人员的标注数据。

全文数据：

权利要求：

百度查询： 神思电子技术股份有限公司 用于解决多轮对话中训练数据蕴含实体标注冲突的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD