一种基于混合监督学习的可持续标注网络数据集构建方法

本申请公开了一种网络数据集的构建方法，该构建方法包括：接收原始网络数据，对原始网络数据进行处理，以获得标准化特征序列；使用编码器对标准化特征序列进行统一语义编码，以获得每条样本对应的语义向量；基于语义向量，使用标注模型对样本执行预标注，生成样本对应的临时标签及其预测置信度；基于语义向量，通过聚类构建局部语义结构，对已预标注的样本执行聚类噪声检测，以确定语义一致性；以及结合预测置信度和语义一致性对已预标注的样本进行风险分流，并按分流结果差异化处置各类样本。该方法支持持续流入的多源网络数据，具有语义一致性与预测置信度共同约束的风险分流机制和面向网络数据集的闭环式标签治理机制。