[发明专利]一种基于在线教育大数据的深度学习样本标注方法及系统

权利要求书

1.一种基于在线教育大数据的深度学习样本标注方法，其特征在于，其包括以下步骤：

从数据库中N个数据中随机抽取M个样本发送给在训练标注模块，所述训练标注模块对抽取出来的M个样本进行初始标注；训练标注模块将M个样本发送至数据库进行储存；被初始标注的M个样本数据被存储到数据库中；数据库将M个样本发送给标注模型进行训练；

归类模块读取数据库中的对M个已标注的样本，并对M个已标注的样本分为多个不同类别数据的分类库，其根据数据属性对其进行分类；

训练后的所述标注模型对整个数据库N-M个数据进行标注分类；

在线标注模块抽取数据库中已经标注完成后的N个数据，并对抽取的所述N个数据分类展示；人工对展示的所述N个数据进行更正标注，所述N个数据来自于数据库中标注完成的随机数据；

判断模块读取数据库中更正标注的数据，并对更正标注的数据进行有效判定，数据库对进行有效判断的更正标注的数据进行覆盖储存；

根据判定有效的更正标注的数据对标注模型进行再次训练。

2.根据权利要求1所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，在进行更正标注时，若发现该数据的实际类型与已标注的类型有出入，则对该数据进行更正标注。

3.根据权利要求2所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，所述在线标注模块对所述分类库的数据分开展示。

4.根据权利要求1所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，所述更正标注步骤包括：在线标注时对存储在数据库中的标注数据进行复核；若发现其不属于展示类别数据，对其进行更正标注；

判断所述标注数据被更正标注次数是否超过K次;

若所述标注数据被更正标注次数是否超过K次时，对该数据的标注确认更改为更新标注，并将该数据重新分类；

若所述标注数据被更正标注次数小于K次时，则维持标注模型的初始标注。

5.根据权利要求4所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，所述K值为通过在线标注复核次数的H的半数。

6.根据权利要求5所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，所述H值大于100次。

7.根据权利要求6所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，根据将最终更正标注的数据对标注模型进行再次训练。

8.一种基于在线教育大数据的深度学习样本标注系统，其特征在于，包括：训练标注模块、在线标注模块、判断模块、归类模块和数据库；其中，所述训练标注模块、在线标注模块、判断模块、归类模块均与数据库通信连接；

训练标注模块：用于从数据库中N个数据中随机抽取M个样本，对M个样本进行标注，根据已标注的M个样本对标注模型进行训练；标注模型根据M个已标注的样本分为多个不同类别数据；标注模型对整个数据库N-M个数据进行标注分类；根据更正标注的数据对标注模型进行再次训练；

在线标注模块，用于展示存储在数据库中的已经标注的N个数据；对展示的标注的N个数据进行更正标注，所述N个数据来自于数据库中标注完成的随机数据；

判断模块，用于判断在线标注模块对数据的更正标注是否有效；

归类模块，用于根据训练标注模块和判断模块对数据的标注，对数据进行分类；

数据库：用于储存数据。

9.根据权利要求8所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，所述在线标注模块用于众人对其数据进行更正标注。

10.根据权利要求9所述的基于在线教育大数据的深度学习样本标注方法，其特征在于，判断模块，判断数据被更正标注的次数是否超过K；若超过K，将数据的标注确认为更新标注；若数据被更正标注次数小于K次时，则维持标注模型对数据的初始标注。