[發明專利]標注數據采集方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010309747.0
• 申請日: 2020-04-20
• 公開（公告）號: CN111522914B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 景少玲;趙東巖;謝海華;鄧昆鵬;陳志優
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北大方正信息產業集團有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 虞浩;臧建明

1.一種標注數據采集方法，其特征在于，包括：

獲取第一輸入數據，所述第一輸入數據用于表征待標注數據中的至少一個屬性；

利用預設問答算法，并根據所述第一輸入數據以及所述待標注數據生成第一輸出數據；

將標注數據存儲至預設數據庫，所述標注數據包括所述第一輸入數據、所述待標注數據以及所述第一輸出數據，所述預設數據庫用于作為自然語言處理算法模型的訓練數據庫；

在所述利用預設問答算法，并根據所述第一輸入數據以及所述待標注數據生成第一輸出數據之后，還包括：

反饋所述第一輸出數據；

獲取第一變更數據，所述第一變更數據為所述第一輸出數據的更新數據，所述標注數據還包括所述第一變更數據；

在所述獲取第一變更數據之前，還包括：

獲取選擇指令，所述選擇指令用于確定所述第一輸出數據的有效性；

若所述第一輸出數據為無效數據，則獲取輸入關鍵詞，所述第一變更數據為基于所述輸入關鍵詞生成的；

若所述第一輸出數據為有效數據，則獲取基于所述第一輸出數據的修改數據，所述第一變更數據包括所述修改數據。

2.根據權利要求1所述的標注數據采集方法，其特征在于，在所述獲取第一變更數據之后，還包括：

計算所述第一變更數據與所述第一輸出數據的第一相似度；

輸出所述第一相似度，并獲取基于所述第一相似度所反饋的第一有效性標識，所述標注數據還包括所述第一相似度以及所述第一有效性標識。

3.根據權利要求1所述的標注數據采集方法，其特征在于，在所述獲取輸入關鍵詞之后，還包括：

確定所述待標注數據中與所述輸入關鍵詞滿足預設相似度的擬參考片段集合；

反饋所述擬參考片段集合；

獲取片段選擇指令，所述片段選擇指令用于從所述擬參考片段集合中確定參考片段集合，所述第一變更數據為基于所述參考片段集合生成的。

4.根據權利要求1所述的標注數據采集方法，其特征在于，在所述獲取輸入關鍵詞之后，還包括：

利用所述預設問答算法，并根據所述輸入關鍵詞、所述第一輸入數據以及所述待標注數據生成第二輸出數據；

反饋所述第二輸出數據；

獲取第二變更數據，所述第二變更數據為所述第二輸出數據的更新數據，所述標注數據還包括所述第二變更數據。

5.根據權利要求1所述的標注數據采集方法，其特征在于，在所述獲取輸入關鍵詞之后，還包括：

計算所述輸入關鍵詞與輸出關鍵詞的第二相似度，所述輸出關鍵詞為所述第一輸出數據的關鍵詞；

輸出所述第二相似度，并獲取基于所述第二相似度所反饋的第二有效性標識，所述標注數據還包括所述第二相似度以及所述第二有效性標識。

6.一種標注數據采集裝置，其特征在于，包括：

獲取模塊，用于獲取第一輸入數據，所述第一輸入數據用于表征待標注數據中的至少一個屬性；

處理模塊，用于利用預設問答算法，并根據所述第一輸入數據以及所述待標注數據生成第一輸出數據；

存儲模塊，用于將標注數據存儲至預設數據庫，所述標注數據包括所述第一輸入數據、所述待標注數據以及所述第一輸出數據，所述預設數據庫用于作為自然語言處理算法模型的訓練數據庫；

輸出模塊，用于反饋所述第一輸出數據；

所述獲取模塊，還用于獲取第一變更數據，所述第一變更數據為所述第一輸出數據的更新數據，所述標注數據還包括所述第一變更數據；

所述獲取模塊，還用于獲取輸入關鍵詞，所述第一變更數據為基于所述輸入關鍵詞生成的；

所述獲取模塊，還用于獲取基于所述第一輸出數據的修改數據，所述第一變更數據包括所述修改數據。

7.一種電子設備，其特征在于，包括：

處理器；以及，

存儲器，用于存儲所述處理器的可執行指令；

其中，所述處理器配置為經由執行所述可執行指令來執行權利要求1至5任一項所述的標注數據采集方法。

8.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至5任一項所述的標注數據采集方法。