[發明專利]數據標注方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201910814100.0
• 申請日: 2019-08-30
• 公開（公告）號: CN110516252B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 王炳乾
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/205;G06F16/36
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 白雪靜

1.一種數據標注方法，其特征在于，包括：

基于藝術領域知識圖譜，采用遠程監督方法獲取待標注數據；

對所述待標注數據進行數據清洗和預標注，得到預標注數據；

監測針對所述預標注數據中實體的標記動作，所述實體的標記動作包括新實體標注動作和取消錯誤標注動作，其中，

當監測到的實體標記動作為所述新實體標注動作時，確定所述新實體標注動作所對應的第一實體為漏標新實體，并對位于所述預標注數據中其他位置上的所述第一實體進行標注；

當監測到的實體標記動作為所述取消錯誤標注動作時，確定所述取消錯誤標注動作所對應的第二實體為錯標實體，并統計所述第二實體被取消標記次數，以及統計針對所述第二實體的標記動作總數，并計算所述第二實體被取消標記次數與所述標記動作總數的比值，以及當所述比值大于預設閾值時，對位于所述預標注數據中其他位置上的所述第二實體進行標記取消操作，且所述第二實體在后期的標注過程中不再被自動標注。

2.根據權利要求1所述的方法，其特征在于，所述基于藝術領域知識圖譜，采用遠程監督方法獲取待標注數據，包括：

根據藝術領域知識圖譜獲取包含待標注的實體三元組實體對；

確定所述藝術領域所對應的垂直網站；

基于所述藝術領域知識圖譜的三元組實體對，采用遠程監督方法從所述垂直網站上獲取包含三元組實體對的所述待標注數據。

3.根據權利要求2所述的方法，其特征在于，基于所述藝術領域知識圖譜的三元組實體對，采用遠程監督方法從所述垂直網站上獲取包含三元組實體對的所述待標注數據，包括：

獲取所述垂直網站上的文本內容；

針對所述藝術領域知識圖譜的三元組實體對及其對應實體關系，通過檢索的方式，從所述垂直網站上的文本內容中找出包含有所述三元組實體對的句子；

將找到的包含有所述三元組實體對的句子，作為對應實體關系的待標注數據。

4.根據權利要求1所述的方法，其特征在于，對所述待標注數據進行數據清洗和預標注，得到預標注數據，包括：

判斷所述待標注數據中是否包含代詞；

若是，根據所述待標注數據的句子間含義，將所述待標注數據中的代詞替換成對應的實體詞，并根據多個實體詞和所述多個實體詞的實體類型對經過代詞替換的待標注數據進行預標注以得到預標注數據；

若否，則根據所述多個實體詞和所述多個實體詞的實體類型對所述待標注數據進行預標注，得到預標注數據。

5.一種數據標注裝置，其特征在于，包括：

獲取模塊，用于基于藝術領域知識圖譜，采用遠程監督方法獲取待標注數據；

預標注模塊，用于對所述待標注數據進行數據清洗和預標注，得到預標注數據；

標注校正模塊，用于監測針對所述預標注數據中實體的標記動作，所述實體的標記動作包括新實體標注動作和取消錯誤標注動作；其中，所述標注校正模塊包括：

第一標注校正單元，用于在監測到的實體標記動作為所述新實體標注動作時，確定所述新實體標注動作所對應的第一實體為漏標新實體，并對位于所述預標注數據中其他位置上的所述第一實體進行標注；

第二標注校正單元，用于在監測到的實體標記動作為所述取消錯誤標注動作時，確定所述取消錯誤 標注動作所對應的第二實體為錯標實體，并統計所述第二實體被取消標記次數，以及統計針對所述第二實體的標記動作總數，并計算所述第二實體被取消標記次數與所述標記動作總數的比值，以及當所述比值大于預設閾值時，對位于所述預標注數據中其他位置上的所述第二實體進行標記取消操作，且所述第二實體在后期的標注過程中不再被自動標注。

6.一種計算機設備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時，實現如權利要求1至4中任一項所述的數據標注方法。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至4中任一項所述的數據標注方法。