[发明专利]一种基于用户反馈的训练语料收集系统及其方法

摘要

一种基于用户反馈的训练语料收集系统及其方法，根据用户反馈的特点，同时也结合移动终端上的应用，由此来判断已经训练的模型对于相应的语言处理任务是否很好的完成，从而可以确定此次标记的正确性。将正确的标记文本存储入数据库从而实现了训练语料的生成与收集。随着互联网特别是移动互联网的发展，专门面向移动互联网的应用越来越多，这些应用通过服务器向用户提供各种各样的信息，同时也可以利用移动设备收集用户的习惯与信息。本发明作为一种新的基于用户反馈的学习机制，利用用户反馈的信息为机器学习提供新的途径和方法，可应用于垃圾邮件识别等任务当中。

主权项

一种基于用户反馈的训练语料收集系统，其特征在于，该系统包括应用客户端和服务器端，所述客户端和服务器之间以HTTP协议传输数据；所述应用客户端内安装有应用程序模块，通过应用程序模块使用户输入信息并对信息分词识别；应用客户端将输入信息以XML文件格式传输给服务器；所述服务器中包括识别系统和数据库两部分，所述识别系统是已经训练好的条件随机场模型；所述识别系统负责解析XML文件，解析之后得到用户输入信息的字符串，将字符串顺序送入条件随机场模型中进行分词，再根据应用本身的特点对分词结果进行处理，得到用户需要的信息，服务器将该信息返回给用户；当用户接收到信息之后，会根据信息结果的不同产生不同的反应：如果返回结果正确，用户接下来会继续下一步操作；反之，如果返回结果错误，用户会放弃现有的操作或者重新进行前一步的操作，客户端根据用户操作行为判断此次分词结果的正确与否并将结果返回给服务器，服务器将根据此结果对用户输入的信息分词决定是否要放入数据库；所述数据库采用MySQL数据库，即用来存储已经识别好的带有标注的训练语料。