[發明專利]文本數據的錯誤檢測方法、裝置、終端設備及存儲介質

有效

• 申請號: 202011042326.2
• 申請日: 2020-09-28
• 公開（公告）號: CN111883222B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 朱昭葦;孫行智;胡崗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種文本數據的錯誤檢測方法，其特征在于，所述方法包括：

獲取任一數據來源的待核驗文本數據，所述待核驗文本數據中包括目標對象的狀態描述數據和針對所述目標對象的狀態判定數據；

獲取所述狀態描述數據對應的第一特征向量，并將所述第一特征向量輸入生成式對抗網絡中的生成器以通過所述生成器輸出第二特征向量，所述生成器基于至少兩個數據來源的樣本文本數據與所述生成式對抗網絡中的至少兩個判別器進行對抗訓練得到，其中，一個判別器由所述至少兩個數據來源中的一個數據來源的樣本文本數據訓練得到；

獲取所述狀態判定數據對應的第三特征向量，根據所述第二特征向量與所述第三特征向量確定所述狀態判定數據是否為錯誤數據；

其中，所述至少兩個數據來源包括第一數據來源和第二數據來源，所述至少兩個判別器包括第一判別器和第二判別器，所述獲取任一數據來源的待核驗文本數據之前，所述方法還包括：

獲取訓練樣本集合，所述訓練樣本集合包括所述第一數據來源的樣本文本數據和所述第二數據來源的樣本文本數據，其中一個樣本數據對中包括一個樣本文本數據中的狀態描述數據和所述狀態描述數據的狀態判定標簽；

基于所述訓練樣本集合中來自所述第一數據來源的樣本文本數據構建所述第一判別器，基于所述訓練樣本集合中來自所述第二數據來源的樣本文本數據構建所述第二判別器；

獲取所述訓練樣本集合中各樣本文本數據中的狀態描述數據；

將所述各樣本文本數據中的狀態描述數據對應的第一狀態描述特征向量輸入所述生成器，并獲取所述生成器輸出的第二狀態描述特征向量；

將所述第二狀態描述特征向量分別輸入所述第一判別器和所述第二判別器，并獲取所述第一判別器輸出的第一判定結果概率分布和所述第二判別器輸出的第二判定結果概率分布；

根據所述第一判定結果概率分布和所述第二判定結果概率分布調整所述生成器的模型參數以得到滿足收斂條件的生成器。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第二特征向量與所述第三特征向量確定所述狀態判定數據中是否為錯誤數據，包括：

將所述第二特征向量與所述第三特征向量輸入數據對匹配模型，基于所述數據對匹配模型的輸出結果確定所述狀態判定數據是否為錯誤數據；

其中，所述數據對匹配模型基于至少一個樣本數據對以及各樣本數據對的匹配標簽訓練得到，其中一個樣本數據對中包括一個樣本文本數據中的狀態描述數據對應的第四特征向量和狀態判定數據對應的第五特征向量，任一樣本數據對的匹配標簽用于標識所述任一樣本數據對中的第四特征向量和第五特征向量是否匹配。

3.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

計算所述第一判定結果概率分布中包括的多個判斷結果概率的第一標準差與所述第二判定結果概率分布中包括的多個判斷結果概率的第二標準差；

當所述第一標準差與所述第二標準差皆小于或者等于預設標準差閾值時，確定調整模型參數后所述生成器滿足收斂條件。

4.根據權利要求1所述的方法，其特征在于，所述待核驗文本數據包括病歷數據，所述待核驗文本數據中針對所述目標對象的狀態描述數據包括患者的病情描述數據，所述待核驗文本數據中針對所述目標對象的狀態判定數據包括針對所述患者的病情診斷數據。

5.根據權利要求4所述的方法，其特征在于，所述獲取所述狀態描述數據對應的第一特征向量，包括：

對所述病情描述數據進行分詞處理，以得到組成所述病情描述數據的多個詞；

獲取組成所述病情描述數據的多個詞中每個詞對應的詞向量，根據所述每個詞對應的詞向量生成所述病情描述數據對應的第一特征向量。