欺诈文本分类检测（十五）——数据校正与增强

1. 引言

基于前文构建训练/测试集构建的数据集，已经进行了多轮训练。但一直有一个数据层面的隐患在于，我们在给正向数据集所打的标签，并不是那么的准确。前面打标签的基本做法是：

• 从正向数据集中分割出的对话，都打的是正向标签
• 从反向数据集中分割出的对话，都打的是负向标签

后一类问题不大，但前一类其实是存在一些问题的，具体为：一个完整案例中带有欺诈时，并不见得从中分割出的子对话也带有欺诈。例如：

{"input": "李华: 您好，这里是电商平台的客服中心，请问您是张先生吗？\n张伟: 是的，我是张伟，请问有什么事吗？", "label": true, "fraud_speaker": "李华"}
{"input": "李华: 张先生，您最近在我平台上购买了一些商品对吧？我们这边检测到您的商品可能存在质量问题，为了保障您的权益，现在需要进行理赔退款。\n张伟: 哦，真的吗？那该怎么操作呢？", "labe