[發明專利]一種數據標注方法、裝置以及設備

有效

• 申請號: 201810496687.0
• 申請日: 2018-05-22
• 公開（公告）號: CN108804563B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 侯輝超;王心剛;許志凱;蔡佳良
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/169
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 楊移

本說明書實施例公開了一種數據標注方法、裝置以及設備。方案包括：獲取各待標注數據的特征向量；利用密度聚類算法，對各所述特征向量進行聚類，得到多個類簇；根據所述類簇的密度狀況，從所述類簇包含的點中篩選得到核心對象集合、非核心對象集合；選擇所述類簇的核心對象集合中的部分核心對象，以及所述類簇的非核心對象集合中的部分非核心對象，進行標注；根據標注結果，對所述類簇中的至少部分其他點進行自動擴散標注。

技術領域

本說明書涉及計算機軟件技術領域，尤其涉及一種數據標注方法、裝置以及設備。

背景技術

數據分級分類作為大數據安全工作的基礎能力尤為重要。但是大量的表和字段依靠傳統的人工標注方法會帶來很大的工作量，加之一般公司的數據安全人員投入優先，并且對業務的理解也較為有限，難以枚舉所有的數據類目，導致大數據量下的標注質量難以得到保證，這都為數據分級分類帶來較大的麻煩。

基于此，需要更為有效的數據標注方案。

發明內容

本說明書實施例提供一種數據標注方法、裝置以及設備，用以解決如下技術問題：需要更為有效的數據標注方案。

為解決上述技術問題，本說明書實施例是這樣實現的：

本說明書實施例提供的一種數據標注方法，包括：

獲取各待標注數據的特征向量；

利用密度聚類算法，對各所述特征向量進行聚類，得到多個類簇；

根據所述類簇的密度狀況，從所述類簇包含的點中篩選得到核心對象集合、非核心對象集合；

選擇所述類簇的核心對象集合中的部分核心對象，以及所述類簇的非核心對象集合中的部分非核心對象，進行標注；

根據標注結果，對所述類簇中的至少部分其他點進行自動擴散標注。

本說明書實施例提供的一種數據標注裝置，包括：

向量化模塊，獲取各待標注數據的特征向量；

聚類模塊，利用密度聚類算法，對各所述特征向量進行聚類，得到多個類簇；

篩選模塊，根據所述類簇的密度狀況，從所述類簇包含的點中篩選得到核心對象集合、非核心對象集合；

第一標注模塊，選擇所述類簇的核心對象集合中的部分核心對象，以及所述類簇的非核心對象集合中的部分非核心對象，進行標注；

第二標注模塊，根據標注結果，對所述類簇中的至少部分其他點進行自動擴散標注。

本說明書實施例提供的一種數據標注設備，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠：

獲取各待標注數據的特征向量；

利用密度聚類算法，對各所述特征向量進行聚類，得到多個類簇；

根據所述類簇的密度狀況，從所述類簇包含的點中篩選得到核心對象集合、非核心對象集合；

選擇所述類簇的核心對象集合中的部分核心對象，以及所述類簇的非核心對象集合中的部分非核心對象，進行標注；

根據標注結果，對所述類簇中的至少部分其他點進行自動擴散標注。

本說明書實施例采用的上述至少一個技術方案能夠達到以下有益效果：能夠降低人工標注工作量，也有利于提高數據標注結果的準確性，并且還有助于發現新的數據類目。