[發明專利]一種輔助語料標注方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202110208697.1
• 申請日: 2021-02-25
• 公開（公告）號: CN112925910A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 任小芹
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/332;G06F16/33;G06F40/30;G06K9/62;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

1.一種輔助語料標注方法，其特征在于，所述方法包括：

獲取第一標簽，所述第一標簽為對于預設的第一語料數據的預測標簽具有異議時，對所述第一語料數據標注的異議標簽；

從預設的語料數據庫中確定第一集合中出現次數最多的第二標簽，所述第一集合包括與所述第一語料數據的相似度滿足第一預設條件的多個第二語料數據和所述多個第二語料數據分別對應的標簽；

根據所述第二標簽和所述第一標簽的比較結果，從所述第一標簽和所述多個第二語料數據分別對應的標簽中確定所述第一語料數據的標簽。

2.如權利要求1所述的方法，其特征在于，所述從預設的語料數據庫中確定第一集合中出現次數最多的第二標簽，包括：

在所述語料數據庫中獲取第二集合，所述第二集合包括與所述第一語料數據的語義相似度滿足第二預設條件多個第三語料數據和所述多個第三語料數據分別對應的標簽；

根據預設的字符相似度條件從所述第二集合中確定所述第一集合；

統計所述第一集合中每個標簽的出現次數，確定出現次數最多的標簽為所述第二標簽。

3.如權利要求1所述的方法，其特征在于，所述根據所述第二標簽和所述第一標簽的比較結果，從所述第一標簽和所述多個第二語料數據分別對應的標簽中確定所述第一語料數據的標簽，包括：

若所述第一標簽與所述第二標簽一致，則將所述預測標簽更新為所述第一標簽；

若所述第一標簽與所述第二標簽不一致，則確定所述標注人員從所述多個第二語料數據分別對應的標簽中選擇的第三標簽，將所述預測標簽更新為所述第三標簽。

4.如權利要求3所述的方法，其特征在于，所述確定所述標注人員從所述多個第二語料數據分別對應的標簽中選擇的第三標簽，包括：

從所述多個第二語料數據分別對應的標簽中確定出現次數排在前N的標簽，N≥1；

確定所述標注人員從所述出現次數排在前N的標簽中選擇的所述第三標簽。

5.如權利要求1所述的方法，其特征在于，所述第一預設條件為相似度大于或者等于預設的相似度閾值，或者所述第一預設條件為所述相似度排在前M，其中，所述相似度為語義相似度或字符相似度，M大于等于1且為整數。

6.如權利要求1所述的方法，其特征在于，所述預測標簽是通過已訓練的機器學習模型對所述第一語料數據預測得到的，所述語料數據庫包括所述機器學習模型的訓練集。

7.一種輔助語料標注的裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取第一標簽，所述第一標簽為對于預設的的第一語料數據的預測標簽具有異議時，對所述第一語料數據標注的異議標簽；

第一確定單元，用于從預設的語料數據庫中確定第一集合中出現次數最多的第二標簽，所述第一集合包括與所述第一語料數據的相似度滿足第一預設條件的多個第二語料數據和所述多個第二語料數據分別對應的標簽；

第二確定單元，用于根據所述第二標簽和所述第一標簽的比較結果，從所述第一標簽和所述多個第二語料數據分別對應的標簽中確定所述第一語料數據的標簽。

8.根據權利要求7所述的輔助語料標注的裝置，其特征在于，所述第一確定單元從預設的語料數據庫中確定第一集合中出現次數最多的第二標簽，包括：

在所述語料數據庫中獲取第二集合，所述第二集合包括與所述第一語料數據的語義相似度滿足預設條件多個第三語料數據和所述多個第三語料數據分別對應的標簽；

根據預設的字符相似度條件從所述第二集合中確定所述第一集合；

統計所述第一集合中每個標簽的出現次數，確定出現次數最多的標簽為所述第二標簽。

9.一種輔助語料標注設備，其特征在于，所述設備包括：處理器和存儲器，所述存儲器用于存儲計算機程序，所述處理器用于從所述存儲器中調用并運行所述計算機程序，使得所述設備執行權利要求1至6中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲了計算機程序，當所述計算機程序被處理器執行時，使得處理器執行權利要求1至6中任一項所述的方法。