[发明专利]一种基于少量数据的访客意图数据预抽取方法及系统

权利要求书

1.一种基于少量数据的访客意图数据预抽取方法，其特征在于，包括以下步骤：

S1：使用正则表达式在访客会话数据中抽取数据，其中，所述的数据包括意图数据；

S2：通过语言模型，从步骤S1中所获取的数据进行标注后训练一个分类器；

S3：使用步骤S2的分类器对未标注过的数据进行预测，筛选出意图数据继续标注；

S4：在步骤S3中预测数据的准确率小于预设值时，则执行步骤S1；否则，结束。

2.根据权利要求1所述的一种基于少量数据的访客意图数据预抽取方法，其特征在于，所述的语言模型为word2vec、bert或者xlnet。

3.根据权利要求1所述的一种基于少量数据的访客意图数据预抽取方法，其特征在于，所述的分类器为TextCNN、SVM或者XGBOOST。

4.根据权利要求1所述的一种基于少量数据的访客意图数据预抽取方法，其特征在于，所述的标注通过人工完成。

5.一种基于少量数据的访客意图数据预抽取系统，其特征在于，包括：抽取单元、训练单元、筛选单元以及判断单元，其中，

抽取单元，用于使用正则表达式在访客会话数据中抽取数据，其中，所述的数据包括意图数据；

训练单元，用于通过语言模型，从所获取的数据进行标注后训练一个分类器；

筛选单元，用于使用所述的分类器对未标注过的数据进行预测，筛选出意图数据继续标注；

判断单元，用于判断预测数据的准确率是否小于预设值时，若是则继续通过抽取单元抽取数据；否则，结束。

6.根据权利要求5所述的一种基于少量数据的访客意图数据预抽取系统，其特征在于，所述的语言模型为word2vec、bert或者xlnet。

7.根据权利要求5所述的一种基于少量数据的访客意图数据预抽取系统，其特征在于，所述的分类器为TextCNN、SVM或者XGBOOST。

8.根据权利要求5所述的一种基于少量数据的访客意图数据预抽取系统，其特征在于，所述的标注通过人工完成。