[發(fā)明專利]基于弱監(jiān)督技術主動學習的智能標注方法、裝置及平臺

在審

• 申請?zhí)枺?/td>: 201911127625.3
• 申請日: 2019-11-18
• 公開（公告）號: CN110968695A
• 公開（公告）日: 2020-04-07
• 發(fā)明（設計）人: 羅彤;孫靜靜;陳國旗;王希治
• 申請（專利權(quán)）人: 羅彤;北京融匯金信信息技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06N20/00
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 苗曉靜

1.一種基于弱監(jiān)督技術主動學習的智能標注方法，其特征在于，包括：

獲取待標注數(shù)據(jù)的標注方式，并根據(jù)所述標注方式對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，得到標注數(shù)據(jù)；

選擇機器學習模型和對應的模型參數(shù)配置，根據(jù)所述模型參數(shù)配置和所述標注數(shù)據(jù)對所述機器學習模型進行訓練；

若判斷訓練結(jié)果滿足驗證條件，則完成所述機器學習模型的訓練；

其中，所述標注方法包括以下至少一種：標簽分類方式、粗細粒度的情感識別方式、序列識別方式、結(jié)構(gòu)化信息方式和序列生成方式；

所述序列識別方式包括以下至少一種：實體識別方式、分詞識別方式和詞性識別方式；

所述結(jié)構(gòu)化信息方式包括以下至少一種：關系識別方式、句法分析方式、語義分析方式、事件抽取方式和多輪對話方式，所述多輪對話方式是具有上下文的結(jié)構(gòu)化信息方式；

所述序列生成方式包括以下至少一種：機器翻譯方式、文本摘要方式和文本生成方式。

2.根據(jù)權(quán)利要求1所述的基于弱監(jiān)督技術主動學習的智能標注方法，其特征在于，所述獲取待標注數(shù)據(jù)的標注方式，并根據(jù)所述標注方式對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，得到標注數(shù)據(jù)，具體包括：

若根據(jù)所述標注方式無法對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，則生成待標注提示信息，接收輸入設備輸入的標注信息，并根據(jù)所述標注信息得到標注數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于弱監(jiān)督技術主動學習的智能標注方法，其特征在于，所述根據(jù)所述結(jié)構(gòu)化信息方式對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，具體包括：

根據(jù)所述標注方式進入語料集逐條對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注；或，

根據(jù)所述標注方式選擇遠程監(jiān)督和人工規(guī)則的弱監(jiān)督學習方法對所述待標注數(shù)據(jù)進行非精確標注；或，

根據(jù)所述標注方式通過語料搜索對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注。

4.根據(jù)權(quán)利要求1所述的基于弱監(jiān)督技術主動學習的智能標注方法，其特征在于，所述獲取待標注數(shù)據(jù)的標注方式，并根據(jù)所述標注方式對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，得到標注數(shù)據(jù)之前，還包括：

根據(jù)主動學習方法或者弱監(jiān)督學習方法生成所述待標注數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于弱監(jiān)督技術主動學習的智能標注方法，其特征在于，所述若判斷訓練結(jié)果滿足驗證條件，則完成所述機器學習模型的訓練之后，還包括：

根據(jù)所述訓練結(jié)果和驗證結(jié)果評估訓練完成的機器學習模型的性能指標：

其中，所述性能指標包括：準確率和/或召回率。

6.一種基于弱監(jiān)督技術主動學習的智能標注裝置，其特征在于，包括：

數(shù)據(jù)標注模塊，用于獲取待標注數(shù)據(jù)的標注方式，并根據(jù)所述標注方式對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，得到標注數(shù)據(jù)；

模型訓練模塊，用于選擇機器學習模型和對應的模型參數(shù)配置，根據(jù)所述模型參數(shù)配置和所述標注數(shù)據(jù)對所述機器學習模型進行訓練；

結(jié)果驗證模塊，用于若判斷訓練結(jié)果滿足驗證條件，則完成所述機器學習模型的訓練；

其中，所述標注方法包括以下至少一種：標簽分類方式、粗細粒度的情感識別方式、序列識別方式、結(jié)構(gòu)化信息方式和序列生成方式；

所述序列識別方式包括以下至少一種：實體識別方式、分詞識別方式和詞性識別方式；

所述結(jié)構(gòu)化信息方式包括以下至少一種：關系識別方式、句法分析方式、語義分析方式、事件抽取方式和多輪對話方式，所述多輪對話方式是具有上下文的結(jié)構(gòu)化信息方式；

所述序列生成方式包括以下至少一種：機器翻譯方式、文本摘要方式和文本生成方式。

7.根據(jù)權(quán)利要求6所述的基于弱監(jiān)督技術主動學習的智能標注裝置，其特征在于，所述數(shù)據(jù)標注模塊具體用于：

若根據(jù)所述標注方式無法對所述待標注數(shù)據(jù)進行數(shù)據(jù)標注，則生成待標注提示信息，接收輸入設備輸入的標注信息，并根據(jù)所述標注信息得到標注數(shù)據(jù)。

8.一種基于弱監(jiān)督技術主動學習的智能標注平臺，其特征在于，包括如權(quán)利要求6或7所述的基于弱監(jiān)督技術主動學習的智能標注裝置。