[发明专利]一种基于投诉工单训练文本计算最佳标注集的方法及系统

权利要求书

1.一种基于电信行业客服投诉工单训练文本计算最佳标注集的方法，其特征在于，包括：

S1、取样标注一个样本；

S2、主动在线学习实时更新模型；

S3、当标注数据达到一定数据累计阈值时，使用线下深度学习更新模型；

S4、模型更新后对未标注池example做预测；

S5、取确信度最低example作为待标注样例；

S6、重复至步骤S1，对待标注样例进行标注；

S7、重复生成最优模型算法后，计算输出最佳待标注集；

S8、对最佳待标注集进行人工标注，从而无需大量标注训练样本。

2.如权利要求1所述的方法，其特征在于，所述步骤S1中，取样标注样本选择涵盖电信行业客服投诉相关专有名词条目，保证电信行业客服投诉工单文本中专有名词的标注。

3.如权利要求1所述的方法，其特征在于，所述步骤S2中，利用信息熵SVM算法实时更新模型。

4.如权利要求1所述的方法，其特征在于，所述步骤S3中，所述数据累计阈值为100-200条。

5.如权利要求1所述的方法，其特征在于，所述步骤S3中，使用线下offline的QBC算法深度学习更新模型。

6.一种基于电信行业客服投诉工单训练文本计算最佳标注集的系统，其特征在于，包括：

取样标注模块，用于取样标注一个样本；

线上主动学习模块，用于主动在线学习实时更新模型；

线下主动学习模块，用于当标注数据达到一定数据累计阈值时，使用线下深度学习更新模型；

example预测模块，用于模型更新后对未标注池example做预测；

待标注样例选取模块，用于取确信度最低example作为待标注样例；

迭代模块，用于对待标注样例进行重复标注；

最优模型算法模块，用于重复生成最优模型算法后，计算输出最佳待标注集；最佳标注集模块，用于对最佳待标注集进行人工标注，从而无需大量标注训练样本。

7.如权利要求6所述的系统，其特征在于，所述取样标注模块中，取样标注样本选择涵盖电信行业客服投诉相关专有名词条目，保证电信行业客服投诉工单文本中专有名词的标注。

8.如权利要求6所述的系统，其特征在于，所述线上主动学习模块中，利用信息熵SVM算法实时更新模型。

9.如权利要求6所述的系统，其特征在于，所述线下主动学习模块中，所述数据累计阈值为100-200条。

10.如权利要求6所述的系统，其特征在于，所述线下主动学习模块中，使用线下offline的QBC算法深度学习更新模型。