[發明專利]數據標注方法及裝置

在審

• 申請號: 202010072476.1
• 申請日: 2020-01-21
• 公開（公告）號: CN111291802A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 金晶
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 顏晶

1.一種數據標注方法，其特征在于，所述方法包括：

采用多個已標注數據中的第一數據，對第一數據標注模型進行權重凍結比例不同的多組遷移學習訓練；

基于所述多組遷移學習訓練的權重凍結比例，以及所述多組遷移學習訓練后的所述第一數據標注模型，確定目標權重凍結比例；

采用所述多個已標注數據中的第二數據，對所述第一數據標注模型進行所述目標權重凍結比例的遷移學習訓練，得到第二數據標注模型；

采用所述第二數據標注模型對待標注數據進行標注；其中，所述待標注數據的待標注信息與所述已標注數據的已標注信息相同。

2.根據權利要求1所述的方法，其特征在于，所述基于所述多組遷移學習訓練的權重凍結比例，以及所述多組遷移學習訓練后的所述第一數據標注模型，確定目標權重凍結比例，包括：

基于所述多組遷移學習訓練的權重凍結比例，以及所述多組遷移學習訓練后的所述第一數據標注模型，采用貝葉斯優化的方法確定所述目標權重凍結比例。

3.根據權利要求1或2所述的方法，其特征在于，在所述對第一數據標注模型進行權重凍結比例不同的多組遷移學習訓練之前，所述方法還包括：

確定模型庫中的模型集合，其中，所述模型庫包含至少一個數據標注模型，所述模型集合中模型的數據標注方式與所述待標注數據對應的數據標注方式相同；

在所述模型集合中確定所述第一數據標注模型。

4.根據權利要求3所述的方法，其特征在于，所述模型集合包括：第一備選模型，所述第一備選模型用于標注的信息的個數大于或等于所述待標注數據的待標注信息的個數；

所述在所述模型集合中確定所述第一數據標注模型，包括：

確定所述模型集合中匹配度最高且參數量最少的所述第一備選模型為所述第一數據標注模型，其中，模型的匹配度為所述模型用于標注的信息與所述待標注數據的待標注信息的匹配度。

5.根據權利要求3所述的方法，其特征在于，所述模型集合包括第二備選模型，其中，所述第二備選模型用于標注的信息的個數小于所述待標注數據的待標注信息的個數，且所述第二備選模型的匹配度小于或等于匹配度閾值，模型的匹配度為所述模型用于標注的信息與所述待標注數據的待標注信息的匹配度；

所述在所述模型集合中確定所述第一數據標注模型，包括：

確定所述模型集合中匹配度最高且參數量最多的所述第二備選模型為所述第一數據標注模型。

6.根據權利要求1至5任一所述的方法，其特征在于，在所述對第一數據標注模型進行權重凍結比例不同的多組遷移學習訓練之前，所述方法還包括：

確定模型庫不包含目標模型；其中，所述模型庫包含至少一個數據標注模型，所述目標模型用于標注的信息與所述待標注數據的待標注信息相同，且所述目標模型的數據標注方式與所述待標注數據對應的數據標注方式相同；

在所述模型庫中確定所述第一數據標注模型。

7.一種數據標注裝置，其特征在于，所述數據標注裝置包括：

第一訓練模塊，用于采用多個已標注數據中的第一數據，對第一數據標注模型進行權重凍結比例不同的多組遷移學習訓練；

第一確定模塊，用于基于所述多組遷移學習訓練的權重凍結比例，以及所述多組遷移學習訓練后的所述第一數據標注模型，確定目標權重凍結比例；

第二訓練模塊，用于采用所述多個已標注數據中的第二數據，對所述第一數據標注模型進行所述目標權重凍結比例的遷移學習訓練，得到第二數據標注模型；

標注模塊，用于采用所述第二數據標注模型對待標注數據進行標注；其中，所述待標注數據的待標注信息與所述已標注數據的已標注信息相同。

8.根據權利要求7所述的數據標注裝置，其特征在于，所述第一確定模塊用于：

基于所述多組遷移學習訓練的權重凍結比例，以及所述多組遷移學習訓練后的所述第一數據標注模型，采用貝葉斯優化的方法確定所述目標權重凍結比例。