[發(fā)明專利]一種標注樣本選取方法、裝置、電子設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210122790.5
• 申請日: 2022-02-09
• 公開（公告）號: CN114443849B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計）人: 彭敏龍;孫明明;李平
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/241
• 代理公司: 北京易光知識產(chǎn)權(quán)代理有限公司 11596
• 代理人: 王英;梅丹丹

1.一種標注樣本選取方法，包括：

確定樣本特征的第一屬性和第二屬性；所述第一屬性和所述第二屬性分別是所述樣本特征在源領(lǐng)域樣本集的特征屬性和所述樣本特征在目標領(lǐng)域樣本集的特征屬性；

根據(jù)所述第一屬性和所述第二屬性，在所述源領(lǐng)域樣本集的多個候選標注樣本中確定目標標注樣本；所述目標標注樣本用于訓(xùn)練分類模型，所述分類模型包括用于對輸入的待分類樣本進行分析以確定情感極性的模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述第一屬性的確定方式包括：

確定所述樣本特征在所述源領(lǐng)域樣本集中的第一頻次值；

利用所述第一頻次值確定所述樣本特征在所述源領(lǐng)域樣本集中的重要性和情感極性；

將所述樣本特征在所述源領(lǐng)域樣本集中的重要性和情感極性作為所述第一屬性。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述利用所述第一頻次值確定所述樣本特征在源領(lǐng)域樣本集中的重要性，包括：

利用所述第一頻次值和所述源領(lǐng)域樣本集的樣本數(shù)量，確定所述樣本特征的第一卡方值；所述第一卡方值為所述樣本特征在所述源領(lǐng)域樣本集中的卡方值；

基于所述第一卡方值確定所述樣本特征在所述源領(lǐng)域樣本集中的重要性。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述利用所述第一頻次值確定所述樣本特征在源領(lǐng)域樣本集中的情感極性，包括：

利用所述第一頻次值和所述源領(lǐng)域樣本集的樣本數(shù)量，確定所述樣本特征的情感極性值；

利用所述情感極性值確定所述樣本特征在源領(lǐng)域樣本集中的情感極性。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述第二屬性的確定方式包括：

根據(jù)預(yù)設(shè)條件，對所述目標領(lǐng)域樣本集添加參考標簽；所述參考標簽包括正向標簽或負向標簽；

利用所述參考標簽確定所述樣本特征的第二屬性。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述利用所述參考標簽確定所述樣本特征的第二屬性，包括：

利用所述參考標簽確定所述樣本特征在所述目標領(lǐng)域樣本集中的第二頻次值；

利用所述目標領(lǐng)域樣本集的樣本數(shù)量和所述第二頻次值，確定所述樣本特征在所述目標領(lǐng)域樣本集中的參考重要性和參考情感極性；

將所述參考重要性和所述參考情感極性作為所述第二屬性。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述參考重要性的確定方式，包括：

利用所述第二頻次值和所述目標領(lǐng)域樣本集的樣本數(shù)量，確定所述樣本特征的第二卡方值和偏差估計值；所述第二卡方值為所述樣本特征在所述目標領(lǐng)域樣本集中的卡方值；

利用所述第二卡方值和所述偏差估計值，確定所述樣本特征在所述目標領(lǐng)域樣本集中的參考重要性。

8.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述第一屬性和所述第二屬性，在所述源領(lǐng)域樣本集中確定目標標注樣本，包括：

根據(jù)所述第一屬性和所述第二屬性，確定目標樣本特征；

利用所述目標樣本特征，在所述源領(lǐng)域樣本集中進行數(shù)據(jù)篩選，以確定所述目標標注樣本。

9.根據(jù)權(quán)利要求8所述的方法，其中，所述根據(jù)所述第一屬性和所述第二屬性，確定目標樣本特征，包括：

在所述源領(lǐng)域樣本集中，選取所述第一屬性中的重要性和所述第二屬性中的參考重要性均滿足預(yù)定條件的樣本特征，作為候選樣本特征；

在所述候選樣本特征中，選取所述第一屬性中的情感極性和所述第二屬性中的參考情感極性相同的樣本特征，作為所述目標樣本特征。