[發明專利]一種文本標注方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110986482.2
• 申請日: 2021-08-26
• 公開（公告）號: CN113723051B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 李釗;趙凱;鄧曉雨;劉巖;宋慧駒
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06F40/117
• 分類號: G06F40/117;G06F40/126;G06F40/216;G06F40/30;G06F18/214;G06F16/33
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 王寧寧

本申請提供了一種文本標注方法、裝置、電子設備及存儲介質，涉及數據處理領域。獲取待標注文本，并接收用戶針對待標注文本輸入的關鍵詞，根據待標注文本生成文本數據特征，并根據關鍵詞生成關鍵詞特征，通過至少一個交叉注意力模塊和至少一個融合注意力模塊對文本數據特征和關鍵詞特征進行處理，得到針對待標注文本的文本標注結果，文本標注結果用于指示關鍵詞在待標注文本中的位置。將關鍵詞特征和文本數據特征經過交叉注意力模塊和融合注意力模塊的處理，可以使得關鍵詞特征和文本數據特征的匹配準確度高，從而使得文本標注的效果好，得到的文本標注結果一致性高。

技術領域

本申請涉及數據處理技術領域，更具體地說，涉及一種文本標注方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯網技術的不斷進步和發展，網絡中的內容來源不斷增加，使得網絡中的內容龐雜眾多，可能會包含違規廣告等各種不同的違規內容，這類內容需要將違規文字標注出來并且禁止發布。所以，在大數據時代，對各種類型的標注均存在大量的需求。

然而，現有的標注方式多以人工標注為主，對于數量級很大的待標注文本和待標注數據，人工標注無疑需要非常大的人力成本，且標注一致性較差。

發明內容

為了解決上述現有技術中的問題，本申請實施例提供了一種文本標注方法，可以使得關鍵詞特征和文本數據特征的匹配準確度高，從而使得文本標注的效果好，得到的文本標注結果一致性高。

第一方面，本申請實施例提供了一種文本標注方法，所述方法包括：

獲取待標注文本，并接收用戶針對所述待標注文本輸入的關鍵詞；

根據所述待標注文本生成文本數據特征，并根據所述關鍵詞生成關鍵詞特征；

通過至少一個交叉注意力模塊和至少一個融合注意力模塊對所述文本數據特征和所述關鍵詞特征進行處理，得到針對所述待標注文本的文本標注結果；其中，所述交叉注意力模塊用于根據所述文本數據特征和所述關鍵詞特征生成交叉文本數據特征和交叉關鍵詞特征，所述融合注意力模塊用于根據所述交叉文本數據特征和所述交叉關鍵詞特征生成所述文本標注結果；所述文本標注結果用于指示所述關鍵詞在所述待標注文本中的位置。

在一種可能的實現方式中，所述通過至少一個交叉注意力模塊和至少一個融合注意力模塊對所述文本數據特征和所述關鍵詞特征進行處理，得到針對所述待標注文本的文本標注結果，包括：

通過特征融合模型對所述文本數據特征和所述關鍵詞特征進行處理，得到針對所述待標注文本的文本標注結果；所述特征融合模型包括相同數量的交叉注意力模塊和融合注意力模塊，所述交叉注意力模塊和所述融合注意力模塊交替排列。

在一種可能的實現方式中，所述特征融合模型的訓練過程包括：

根據訓練數據集中的訓練樣本，生成用于訓練特征融合模型的樣本特征；

根據所述訓練數據集生成待訓練關鍵詞集合，并根據所述待訓練關鍵詞集合生成用于訓練特征融合模型的樣本關鍵詞特征；

基于所述樣本特征以及所述樣本關鍵詞特征，對待訓練的特征融合模型進行迭代訓練，得到已訓練的特征融合模型。

在一種可能的實現方式中，所述根據訓練數據集中的訓練樣本，生成用于訓練特征融合模型的樣本特征，包括：

根據所述訓練樣本中的每個字符對應的字符標識，得到所述訓練樣本的標識樣本特征；

將所述標識樣本特征中的各個字符標識分別與對應的位置編碼相加，得到所述樣本特征。

在一種可能的實現方式中，所述根據所述待訓練關鍵詞集合生成用于訓練特征融合模型的樣本關鍵詞特征，包括：