[发明专利]基于在线教育大数据的深度学习样本标注方法

摘要

本发明涉及一种基于在线教育大数据的深度学习样本标注方法，输入需标注的在线教育数据M个，展示N个数据，对展示的N个数据进行标注；当M大于N*展示次数时，从余下的M‑N*展示次数中随机选取N个数据，不足N时，选取余下的全部数据；当M小于N*展示次数时，重新从M中随机N个数据，展示次数置为1；所有数据被标注之和大于M的J倍数之后，取数据被标注的次数大于K为符合该分类的有效数据；得到不同类别数据的分类库。本发明基于在线教育大数据的深度学习样本标注方法，提高了在线教育数据的识别，提升了用户满意度，提升用户体验，避免了个人的主观性，释放了单个重复劳动的枯燥性，也极大的方便了所有标注的用户。

主权项

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，

输入需标注的在线教育数据M个，保证输入的数据为同一种类别；

将需标注的在线教育数据存储到数据库中；

通过在线教育数据标注系统展示需要标注的N个数据；N个数据来自于数据库中未标注的随机数据；

对展示的N个数据进行标注；

当M大于N*展示次数时，从余下的M‑N*展示次数中随机选取N个数据，不足N时，选取余下的全部数据；

当M小于N*展示次数时，重新从M中随机N个数据，展示次数置为1；

所有数据被标注之和大于M的J倍数之后，可进行分类；

对每一个分类中数据被标注次数从高到低排序；

取数据被标注的次数大于K为符合该分类的有效数据；

得到不同类别数据的分类库。

2.根据权利要求1所述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：对展示的N个数据中的一个数据进行标注。

3.根据权利要求1所述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：每次展示数据的数量N根据显示设备确定。

4.根据权利要求1所述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：K值大于60。

5.根据权利要求1所述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：J值大于100。

6.根据权利要求1所述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：在线教育数据包括音频、视频或图片。

7.根据权利要求1所述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：M个数据全部类型完成了一次展示步骤如下：

步骤s100,输入需标注的在线教育数据M个，保证输入的数据为同一种类别；

步骤s101,将数据存储于数据库，设定数据标注类型,数据类型为A、B、C、……K；

步骤s102,判别A类型的数据是否展示完毕，展示完毕执行步骤s202,否则执行步骤s103；

步骤s103，A类展示计数器n1置零；

步骤s104，从M‑N*n1个数据中随机选取N个数据进行展示；

步骤s105，对展示的N个数据中一个数据进行标注；

步骤s106，展示计数器n1＝n1+1；

步骤s107，判断M是否大于N*n1，如果M大于N*n1，执行步骤s104；如果M不大于N*n1，执行步骤s108；

步骤s108，选取余下的全部数据进行展示，对其中的一个数据进行标注，执行步骤s102；

步骤s202,判别A类型的数据是否展示完毕，展示完毕执行步骤s302,否则执行步骤s203；

步骤s203，B类展示计数器n2置零；

步骤s204，从M‑N*n2个数据中随机选取N个数据进行展示；

步骤s205，对展示的N个数据中一个数据进行标注；

步骤s206，展示计数器n1＝n2+1；

步骤s207，判断M是否大于N*n2，如果M大于N*n2，执行步骤s104；如果M不大于N*n2，执行步骤s208；

步骤s208，选取余下的全部数据进行展示，对其中的一个数据进行标注，执行步骤s202；

步骤s302,判别A类型的数据是否展示完毕，展示完毕执行步骤s309,否则执行步骤s303；

步骤s303，C类展示计数器n3置零；

步骤s304，从M‑N*n3个数据中随机选取N个数据进行展示；

步骤s305，对展示的N个数据中一个数据进行标注；

步骤s306，展示计数器n1＝n3+1；

步骤s307，判断M是否大于N*n3，如果M大于N*n3，执行步骤s104；如果M不大于N*n3，执行步骤s308；

步骤s308，选取余下的全部数据进行展示，对其中的一个数据进行标注，执行步骤s302；

步骤s309，数据库M个数据中的全部类型完成了一次展示，结束。