Noise label generation and relabeling:在给定噪声率的情况下为数据集生成噪声标签并使用重新标记算法对这些噪声标签进行重新标记

噪声标签生成和重新标记 在给定噪声率的情况下为数据集生成噪声标签,并使用重新标记算法对这些噪声标签进行重新标记 f1.test.py为all_tickets.csv数据集生成嘈杂的标签,使用“ body”作为特征,使用“ urgency”和“ ticket_type”作为预测标签。 我们假设'紧急'标签可能有一些嘈杂的标签,所以我们在'紧急'上添加了噪音。我们将48000数据拆分为火车数据集,将左侧的数据拆分为测试数据。在为'紧急'生成嘈杂标签's'之后,我们将' body。,'ticket_type'和's'到train_data.csv。在category.py中,我们生成重新标记的标签'relabel'并将其写入relabel.csv文件。除了门票数据集之外,我们还测试了其他数据集。 资料集 文件 结果文件夹 all_tickets.csv test.py 票 情绪训练 tes