[發明專利]數據的處理方法、裝置、設備以及存儲介質

有效

• 申請號: 202010784923.6
• 申請日: 2020-08-06
• 公開（公告）號: CN112017634B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 肖芃芃
• 申請（專利權）人: OPPO(重慶)智能科技有限公司
• 主分類號: G10L15/01
• 分類號: G10L15/01;G10L15/18;G10L15/06
• 代理公司: 北京知帆遠景知識產權代理有限公司 11890
• 代理人: 吳文婧

1.一種數據的處理方法，其特征在于，包括：

根據預設的驗證集，對語言算法模型進行驗證，得到驗證結果；所述驗證集包括第一數據集，所述第一數據集包括從數據池抽樣得到的多個第一數據，所述第一數據是攜帶有標簽，且不確定度大于第一預設閾值的數據；

根據所述驗證結果，更新所述語言算法模型；

在所述根據預設的驗證集，對語言算法模型進行驗證，得到驗證結果之前，所述方法還包括：

根據第一預設閾值，從所述數據池進行抽樣，得到所述第一數據集，所述數據池為基于未標注樣本集得到的所有不確定度大于預設不確定度閾值的數據，并且每個數據均攜帶有標簽。

2.根據權利要求1所述的方法，其特征在于，所述根據所述驗證集，對所述語言算法模型進行驗證，得到驗證結果，包括：

針對所述驗證集中的每個驗證數據，將所述驗證數據輸入所述語言算法模型，得到所述語言算法模型針對所述驗證數據的輸出結果；

根據所述輸出結果和所述驗證數據的標簽，確定所述語言算法模型針對所述驗證數據的輸出結果是否正確。

3.根據權利要求2所述的方法，其特征在于，所述根據所述輸出結果和所述驗證數據的標簽，確定所述語言算法模型針對所述驗證數據的輸出結果是否正確，包括：

確定所述輸出結果和所述驗證數據的標簽是否相同；

若所述輸出結果和所述驗證數據的標簽相同，則所述語言算法模型針對所述驗證數據的輸出結果正確；

否則，所述語言算法模型針對所述驗證數據的輸出結果錯誤。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述根據所述驗證結果，更新所述語言算法模型，包括：

根據所述驗證結果，確定所述語言算法模型是否滿足第一更新條件；

在所述語言算法模型滿足所述第一更新條件時，根據預設的訓練集，對所述語言算法模型進行訓練；所述訓練集包括第二數據集，所述第二數據集包括從所述數據池中抽樣得到的多個第二數據，所述第二數據是攜帶有標簽，且不確定度大于第二預設閾值的數據；

將所述語言算法模型更新為訓練后的語言算法模型。

5.根據權利要求4所述的方法，其特征在于，所述根據所述驗證結果，確定所述語言算法模型是否滿足第一更新條件，包括：

根據所述驗證結果，確定所述語言算法模型針對全部驗證數據的輸出結果的正確率是否小于第一預設正確率閾值；

若所述語言算法模型針對全部驗證數據的輸出結果的正確率小于第一預設正確率閾值，則所述語言算法模型滿足所述第一更新條件；

否則，所述語言算法模型不滿足所述第一更新條件。

6.根據權利要求4所述的方法，其特征在于，所述根據所述驗證結果，確定所述語言算法模型是否滿足第一更新條件，包括：

根據所述驗證結果，確定所述語言算法模型針對所述第一數據集的輸出結果的正確率是否小于第二預設正確率閾值；

若所述語言算法模型針對所述第一數據集的輸出結果的正確率小于第二預設正確率閾值，則所述語言算法模型滿足所述第一更新條件；

否則，所述語言算法模型不滿足所述第一更新條件。

7.根據權利要求4所述的方法，其特征在于，所述根據所述驗證結果，確定所述語言算法模型是否滿足第一更新條件，包括：

根據所述驗證結果，確定第一占比是否大于第一預設占比閾值；所述第一占比為所述語言算法模型的錯誤輸出結果對應的第一數據的數量占所述語言算法模型的錯誤輸出結果對應的驗證數據的數量的比例；

若所述第一占比大于所述第一預設占比閾值，則所述語言算法模型滿足所述第一更新條件；

否則，所述語言算法模型不滿足所述第一更新條件。