[发明专利]一种扩充类别式数据快速标注方法在审
| 申请号： | 201910626205.3 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110334772A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 | 申请（专利权）人： | 山东领能电子科技有限公司;山东大学;太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南金迪知识产权代理有限公司 37219 | 代理人： | 许德山 |
| 地址： | 250101 山东省济南市历下区新*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种扩充类别式数据快速标注方法，包括以下步骤：(1)获取带有统一标注A的初始数据集；(2)结合已有数据集，将A进一步分为a、b、c等多个子类；(3)选取初始数据集的一部分作为样本，通过人工修改标注文件，快捷地将标注从A重命名为a、b、c等，得到标注样本；(4)基于标注样本，利用神经网络训练模型，将所得模型对初始数据集中剩余的数据进行预标注，得到预标注数据；(5)对预标注数据进行人工微调，保证所涉及数据标签全部准确，基于初始数据与微调数据对模型训练优化，基于更多标注样本训练更优模型，最终准确地标注全部数据，提高标注效率；本发明能满足快速、准确地标注的需求，更好地服务于实际应用。 | ||
| 搜索关键词： | 标注 样本 初始数据集 初始数据 神经网络训练 标注文件 模型训练 人工微调 数据标签 样本训练 数据集 微调 应用 优化 保证 统一 服务 | ||
【主权项】：
1.一种扩充类别式数据快速标注方法，其特征在于，包括以下步骤：(1)获取带有统一标注A的初始数据，标注A是指的某一大类；(2)根据需求，结合已有数据集，将A进一步分为多个子类，大类包含所述多个子类；(3)选取初始数据集的一部分作为样本，通过人工修改标注文件，标注文件是指通过标注工具标注数据后生成的文件，该文件中包含标注信息；将标注从A重命名为多个子类，得到标注样本；(4)基于标注样本，利用神经网络训练模型，将所得模型对初始数据集中剩余的数据进行预标注，得到预标注数据；(5)对预标注数据进行人工微调使标注正确，得到微调数据；基于初始数据与微调数据对模型训练优化；并根据所有已标注数据训练最终模型，准确地分类标注全部数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东领能电子科技有限公司;山东大学;太原理工大学，未经山东领能电子科技有限公司;山东大学;太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910626205.3/，转载请声明来源钻瓜专利网。
