[發明專利]一種數據標注方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 201810585608.3
• 申請日: 2018-06-08
• 公開（公告）號: CN108898162B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 徐麗麗;王宇飛
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

本發明提供一種數據標注方法、裝置、設備及計算機可讀存儲介質。方法包括：根據提取參數提取第一待標注數據的數據特征；根據預設的標準樣本及其對應的標注信息對數據特征進行預標注處理，得到實際樣本及其對應的標注信息；根據實際樣本及其對應的標注信息對用于標注數據的標注模型進行訓練，并基于訓練的標注模型對第二待標注數據進行標注。本發明的方案夠根據標準樣本及其對應的標注信息、第一待標注數據訓練得到標注模型，從而能夠基于訓練模型自動對待標注數據進行標注，從而解決現有技術中對數據進行標注的方法存在效率低且準確率低的問題。

技術領域

本發明涉及數據標注技術，尤其涉及一種數據標注方法、裝置、設備及計算機可讀存儲介質。

背景技術

機器學習技術是計算機科學和統計學的交叉學科，機器學習的過程就是通過訓練數據尋找目標函數的過程，因此輸入的數據質量會影響機器學習精度。

目前，常用的機器學習方法是監督學習方法，采用這種方法時，需要輸入攜帶有標注信息的數據作為訓練數據。但是，現有技術中大量的數據是沒有標注信息的，需要對數據進行處理并對其進行標注。現有技術中采用的方法是由人工對數據進行標注。

由于人工對數據進行標注效率較低，而且每個人的主觀意識不同，會造成對數據進行標注的標準不同，進而造成標注結果不準確的問題。因此，現有技術中對數據進行標注的方法存在效率低且準確率低的問題。

發明內容

本發明提供一種數據標注方法、裝置、設備及計算機可讀存儲介質，以解決現有技術中對數據進行標注的方法存在效率低且準確率低的問題。

本發明的第一個方面是提供一種數據標注方法，包括：

根據提取參數提取第一待標注數據的數據特征；

根據預設的標準樣本及其對應的標注信息對所述數據特征進行預標注處理，得到實際樣本及其對應的標注信息；

根據所述實際樣本及其對應的標注信息對用于標注數據的標注模型進行訓練，并基于訓練的所述標注模型對第二待標注數據進行標注。

本發明的另一個方面是提供一種據標注裝置，包括：提取模塊，用于根據提取參數提取第一待標注數據的數據特征；

預標注模塊，用于根據預設的標準樣本及其對應的標注信息對所述數據特征進行預標注處理，得到實際樣本及其對應的標注信息；

訓練模塊，用于根據所述實際樣本及其對應的標注信息對用于標注數據的標注模型進行訓練；

標注模塊，用于基于訓練的所述標注模型對第二待標注數據進行標注。

本發明的又一個方面是提供一種數據標注設備，包括：

存儲器；

處理器；以及

計算機程序；

其中，所述計算機程序存儲在所述存儲器中，并配置為由所述處理器執行以實現如上述第一方面所述的數據標注方法。

本發明的再一個方面是提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行以實現如上述第一方面所述的數據標注方法。

本發明提供的一種數據標注方法、裝置、設備及計算機可讀存儲介質的技術效果是：