数据集的生成方法、装置、设备、存储介质及程序产品

本申请提供一种数据集的生成方法、装置、设备、存储介质及程序产品。该方法包括：获取与主题相关的种子词；根据种子词，在预设的未标注数据集中进行筛选，以得到第一数据集，第一数据集中包括多个与种子词相关的第一数据样本；采用聚类方式，对第一数据集进行样本扩充处理，以得到第二数据集，第二数据集中包括多个与种子词相关的第二数据样本，第二数据样本的个数大于第一数据样本的个数；采用分类方式，对第二数据集进行分类筛选处理，并迭代分类筛选处理的步骤直至预设迭代次数，以得到目标数据集，目标数据集中包括用于多个与种子词相关的目标数据样本。本申请的方法，通过对数据集进行扩充再筛选，同时提升数据集的精度和广度。