[发明专利]语料标注的校正方法、装置、终端设备及介质

权利要求书

1.一种语料标注的校正方法，其特征在于，所述校正方法包括：

获取已标注的语料集；

根据所述语料集中N个语料的标注，确定所述N个语料的k个第一意图，N为大于1的整数，k为大于1的整数；

获取所述N个语料各自的特征向量；

根据所述k个第一意图，对所述N个语料的所有特征向量进行聚类，得到所述N个语料各自的第二意图；

若所述N个语料中存在第一意图与第二意图不同的语料，则确定该语料为目标语料，并根据所述目标语料的第二意图，校正所述目标语料的标注。

2.如权利要求1所述的校正方法，其特征在于，所述根据所述语料集中N个语料的标注，确定所述N个语料的k个第一意图包括：

获取映射表，所述映射表包括所述N个语料中每个语料的标注与至少一个第一意图的映射关系；

根据所述映射表，确定所述N个语料的所述k个第一意图。

3.如权利要求1所述的校正方法，其特征在于，所述获取所述N个语料各自的特征向量包括：

对于所述N个语料中的第i个语料，所述第i个语料为所述N个语料中的任一语料，对所述第i个语料进行分词，得到所述第i个语料的至少一个词语；

获取所述至少一个词语中每个词语的tfidf值；

对所述至少一个词语的tfidf值求平均，确定所得平均值为所述第i个语料的特征向量。

4.如权利要求1所述的校正方法，其特征在于，所述根据所述目标语料的第二意图，校正所述目标语料的标注包括：

获取所述目标语料的第二意图下的标注列表，所述标注列表包括至少一个标注；

根据所述标注列表，校正所述目标语料的标注。

5.如权利要求4所述的校正方法，其特征在于，所述根据所述标注列表，校正所述目标语料的标注包括：

从所述标注列表中随机选取至少一个标注，并将该至少一个标注替换所述目标语料的标注；

或者，显示所述标注列表；

获取用户在显示的所述标注列表中选择的标注，并将该标注替换所述目标语料的标注。

6.如权利要求1至5任一项所述的校正方法，其特征在于，所述根据所述k个第一意图，对所述N个语料的所有特征向量进行聚类，得到所述N个语料各自的第二意图包括：

对所述k个第一意图中每个意图下的语料的特征向量求平均，确定所得平均值为该意图的初始聚类中心点，得到k个初始聚类中心点；

根据所述k个初始聚类中心点，对所述N个语料的所有特征向量进行聚类，得到所述N个语料各自的第二意图。

7.如权利要求6所述的校正方法，其特征在于，所述根据所述k个初始聚类中心点，对所述N个语料的所有特征向量进行聚类，得到所述N个语料各自的第二意图包括：

将所述k个初始聚类中心点作为k个目标中心点；

计算所述N个语料的所有特征向量分别与所述k个目标中心点的距离；

对于所述N个语料中的每个语料，将与该语料的特征向量的距离最短的目标中心点作为该语料的目标中心点，确定所述k个目标中心点中每个目标中心点下的语料；

对所述每个目标中心点下的语料的特征向量求平均，确定所得平均值为该目标中心点的迭代聚类中心点，得到k个迭代聚类中心点，迭代次数加1；

若所述迭代次数未达到预设迭代次数或所述k个迭代聚类中心点未收敛，则将所述k个迭代聚类中心点作为所述k个目标中心点，并返回执行计算所述N个语料的所有特征向量分别与所述k个目标中心点的距离，直至所述迭代次数达到所述预设迭代次数或所述k个迭代聚类中心点收敛。