CN111507104B - 建立标签标注模型的方法、装置、电子设备和可读存储介质 - Google Patents

建立标签标注模型的方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111507104B
CN111507104B CN202010195678.5A CN202010195678A CN111507104B CN 111507104 B CN111507104 B CN 111507104B CN 202010195678 A CN202010195678 A CN 202010195678A CN 111507104 B CN111507104 B CN 111507104B
Authority
CN
China
Prior art keywords
words
word
labeled
label
replacement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010195678.5A
Other languages
English (en)
Other versions
CN111507104A (zh
Inventor
徐新超
王海峰
吴华
刘占一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010195678.5A priority Critical patent/CN111507104B/zh
Publication of CN111507104A publication Critical patent/CN111507104A/zh
Priority to JP2020145877A priority patent/JP7098853B2/ja
Priority to US17/015,411 priority patent/US11531813B2/en
Priority to EP21153337.7A priority patent/EP3882807A1/en
Priority to KR1020210012424A priority patent/KR102645185B1/ko
Application granted granted Critical
Publication of CN111507104B publication Critical patent/CN111507104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/274—Converting codes to words; Guess-ahead of partial word inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Document Processing Apparatus (AREA)

Abstract

本申请公开了一种建立标签标注模型的方法、装置、电子设备和可读存储介质，涉及自然语言处理技术领域。本申请在建立标签标注模型时所采用的实现方案为：获取文本数据，并确定各文本数据中的待标注词语；根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本；分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。本申请能够提升标签标注模型进行词语标注的准确性，并使得标签标注模型能够适应多种标注场景。

Description

建立标签标注模型的方法、装置、电子设备和可读存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及自然语言处理技术领域中的一种建立标签标注模型的方法、装置、电子设备和可读存储介质。
背景技术
现有技术在进行标签标注模型的训练时，仅通过学习待标注词语本身的信息来进行标签的标注，而对于所标注的标签词与待标注词语所在上下文的关系学习不够，一方面导致标签标注模型对待标注词语进行标注的准确性下降，另一方面则限制了标签标注模型进行标注的应用场景。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种建立标签标注模型的方法，所述方法包括：获取文本数据，并确定各文本数据中的待标注词语；根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本；分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。本申请能够提升标签标注模型进行词语标注的准确性，并使得标签标注模型能够适应多种标注场景。
根据本申请一优选实施例，所述确定各文本数据中的待标注词语包括：将所述文本数据进行分词处理之后，获取所述文本数据中各词语的词性；将词性属于预设词性的词语作为所述待标注词语。本步骤能够避免用户手动确定待标注词语，提升标签标注模型的建立效率。
根据本申请一优选实施例，在根据所述待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，包括：获取与所述待标注词语对应的替换词语；使用所述替换词语将文本数据中的待标注词语进行替换之后，将所述替换词语的类别作为替换文本的替换类别标注结果；将各替换文本及其对应的替换类别标注结果，作为所述第一训练样本。本步骤根据不同的训练任务来构造训练样本，能够提升模型训练的准确性。
根据本申请一优选实施例，在根据所述待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，包括：获取与所述待标注词语关联的标签词，并将所述标签词作为所述待标注词语的标签标注结果；将所述文本数据、所述待标注词语及其对应的标签标注结果，作为所述第二训练样本。本步骤根据不同的训练任务来构造训练样本，能够提升模型训练的准确性。
根据本申请一优选实施例，所述获取与所述待标注词语对应的替换词语包括：确定所述待标注词语在预设知识库中的标识信息；获取预设知识库中与所述标识信息对应的替换词语。本步骤通过预设知识库来获取替换词语，能够提升训练样本构造的准确性。
根据本申请一优选实施例，在使用第一训练样本对神经网络模型进行训练时，包括：将各替换文本作为输入，将各替换文本对应的替换类别标注结果作为输出，使得所述神经网络模型能够根据所输入的替换文本，输出其属于各替换类别的概率。
根据本申请一优选实施例，在使用第二训练样本对神经网络模型进行训练时，包括：将各文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得所述神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
根据本申请一优选实施例，在使用第一训练样本对神经网络模型进行训练时，包括：将所述词语替换任务划分为标签词替换子任务以及同位词替换子任务；基于所述第一训练样本中对应两个子任务的训练样本，完成所述词语替换任务的训练。本步骤通过将词语替换任务划分为两个子任务来训练的方式，使得神经网络模型能够更加准确地对区分标签词替换以及同位词替换，进一步提升模型标注的准确性。
本申请为解决现有技术问题所采用的技术方案是提供一种建立标签标注模型的装置，包括：获取单元，用于获取文本数据，并确定各文本数据中的待标注词语；构造单元，用于根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本；训练单元，用于分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。
根据本申请一优选实施例，所述获取单元在确定各文本数据中的待标注词语时，具体执行：将所述文本数据进行分词处理之后，获取所述文本数据中各词语的词性；将词性属于预设词性的词语作为所述待标注词语。
根据本申请一优选实施例，所述构造单元在根据所述待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，具体执行：获取与所述待标注词语对应的替换词语；使用所述替换词语将文本数据中的待标注词语进行替换之后，将所述替换词语的类别作为替换文本的替换类别标注结果；将各替换文本及其对应的替换类别标注结果，作为所述第一训练样本。
根据本申请一优选实施例，所述构造单元在根据所述待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，具体执行：获取与所述待标注词语关联的标签词，并将所述标签词作为所述待标注词语的标签标注结果；将所述文本数据、所述待标注词语及其对应的标签标注结果，作为所述第二训练样本。
根据本申请一优选实施例，所述构造单元在获取与所述待标注词语对应的替换词语时，具体执行：确定所述待标注词语在预设知识库中的标识信息；获取预设知识库中与所述标识信息对应的替换词语。
根据本申请一优选实施例，所述训练单元在使用第一训练样本对神经网络模型进行训练时，具体执行：将各替换文本作为输入，将各替换文本对应的替换类别标注结果作为输出，使得所述神经网络模型能够根据所输入的替换文本，输出其属于各替换类别的概率。
根据本申请一优选实施例，所述训练单元在使用第二训练样本对神经网络模型进行训练时，具体执行：将各文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得所述神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
根据本申请一优选实施例，所述训练单元在使用第一训练样本对神经网络模型进行训练时，具体执行：将所述词语替换任务划分为标签词替换子任务以及同位词替换子任务；基于所述第一训练样本中对应两个子任务的训练样本，完成所述词语替换任务的训练。
上述申请中的一个实施例具有如下优点或有益效果：本申请能够提升标签标注模型进行词语标注的准确性，并使得标签标注模型适应多种标注场景。因为在标签标注模型的建立过程中采用训练词语替换任务以及标签标注任务的技术手段，所以克服了现有技术中仅关注待标注词语本身信息导致的标注准确性较低、限制标注的应用场景的技术问题，从而实现提升词语标注准确性的同时，还使得标签标注模型能够适应多种标注场景的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种建立标签标注模型的方法流程图；
图2是根据本申请第二实施例提供的一种建立标签标注模型的装置结构图；
图3是用来实现本申请实施例的建立标签标注模型的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1为本申请第一实施例提供的一种建立标签标注模型的方法流程图，如图1中所示，所述方法包括：
在S101中，获取文本数据，并确定各文本数据中的待标注词语。
在本步骤中，首先获取文本数据，然后再确定各文本数据中的待标注词语，所确定的待标注词语即为文本数据中需要进行标签标注的词语。
其中，本步骤可以将用户输入的内容作为文本数据；而为了能够提升文本数据的数量，本步骤还可以将从网络中所抓取的内容作为文本数据。
具体地，本步骤在确定各文本数据中的待标注词语时，可以将用户在文本数据中指定的词语作为待标注词语，例如将用户针对各文本数据所指定的某一个或者某几个词语作为待标注词语。
为了能够避免用户的过多参与，提升标签标注模型的建立效率，本步骤在确定各文本数据中的待标注词语时，还可以采用以下方式：将文本数据进行分词处理之后，获取文本数据中各词语的词性；将词性属于预设词性的词语作为待标注词语。其中，本步骤中的预设词性可以为名词词性，即本步骤将文本数据中的名词词语作为待标注词语。
在S102中，根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本。
在本步骤中，在步骤S101确定了各文本数据中的待标注词语之后，根据所确定的待标注词语，进行构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本。也就是说，本步骤针对同一个文本数据进行两类训练样本的构造，一类训练样本对应于词语替换任务，另一类训练样本则对应于标签标注任务。
其中，本申请中的词语替换任务为使用相应类型的词语替换文本数据中的待标注词语之后，进行预测所得到的替换文本属于哪种替换类别的任务，该训练任务能够学习待标注词语的表示、标签词的表示以及标签词在上下文的关系；而本申请中的标签标注任务则为根据文本数据以及其中的待标注词语，进行预测待标注词语所对应的标签的任务。
由于词语替换任务进行预测的是替换文本所属的替换类别，因此本步骤在构造对应于词语替换任务的第一训练样本时，需要获取对应于待标注词语的不同类别的替换词语，从而实现获取对应于文本数据的不同替换类别的替换文本。
具体地，本步骤在根据待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，可以采用以下方式：获取与所确定的待标注词语对应的替换词语，其中替换词语包括与待标注词语关联的标签词、与待标注词语关联的同位词以及与待标注词语非关联的标签词中的至少一种；使用替换词语将文本数据中的待标注词语进行替换之后，将替换词语的类别作为替换文本的替换类别标注结果，其中替换类别标注结果包括标签词替换类别、同位词替换类别以及非关联标签词替换类别；将各替换文本及其对应的替换类别标注结果作为第一训练样本。
可以理解的是，本步骤还可以将未替换文本(即初始的文本数据)及其对应的非替换类别标注结果加入到第一训练样本。
其中，本步骤中与待标注词语关联的标签词为待标注词语所对应的上位概念词，即待标注词语所属领域或者属性的词语；与待标注词语关联的同位词为与待标注词语具有相同上位概念词的其他词语，例如与待标注词语属于同一领域或者属性的其他词语；与待标注词语非关联的标签词即为不与待标注词语对应的上位概念词。
举例来说，若待标注词语为“我和我的祖国”，则与该词语关联的标签词可以为“电影”、“国庆献礼电影”等；与该词语关联的同位词可以为同属于电影的“黄土地”、“大阅兵”、“霸王别姬”等；与该词语非关联的标签词可以为“导演”、“电视剧”、“明星”等。
另外，本步骤在根据待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，可以采用以下方式：获取与待标注词语关联的标签词，并将所获取的标签词作为待标注词语的标签标注结果；将文本数据、待标注词语以及待标注词语的标签标注结果作为第二训练样本。
举例来说，若文本数据为“最近上映的《我和我的祖国》，由陈凯歌担任总导演”，若待标注词语为“我和我的祖国”，则将与“我和我的祖国”关联的标签词“电影”、“国庆献礼电影”等作为标签标注结果。
可以理解的是，本步骤在获取与待标注词语关联的标签词、与待标注词语关联的同位词以及与待标注词语非关联的标签词等替换词语时，可以通过对待标注词语进行网络搜索的方式来获取。
为了能够提升获取替换词语的准确性，本步骤在获取与待标注词语对应的替换词语时，可以采用以下方式：确定待标注词语在预设知识库中的标识信息，这是因为不同的待标注词语可能具有相同的含义，使用一个标识信息来表示具有相同含义的多个词语，能够降低预设知识库中所包含词语的冗余程度；获取预设知识库中与所确定的标识信息对应的替换词语。
其中，预设知识库中所包含的对应各标识信息的替换词语可以通过收集现有的百科知识库中各词条对应的词条标签来建立，从而无需再由用户进行标签词的收集以及整理，极大地提升标签标注模型的建立效率。
在S103中，分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。
在本步骤中，在步骤S102构造了对应词语替换任务的第一训练样本以及对应标签标注任务的第二训练样本之后，分别使用构造得到的第一训练样本以及第二训练样本来训练神经网络模型，直至对应词语替换任务的损失函数以及对应标签标注任务的损失函数满足预设条件，停止训练得到标签标注模型。其中，本步骤所使用的神经网络模型可以为注意力机制模型，例如transformer模型。
利用本步骤所得到的标签标注模型，一方面能够对所输入的文本数据属于不同替换类别的概率进行预测，另一方面则能够根据所输入的文本数据以及待标注词语来预测各标签属于该词语的标签标注结果的概率。
由于本步骤是基于多任务的标签标注框架进行神经网络模型的训练，因此本步骤可以先对神经网络模型进行词语替换任务的训练，再进行标签标注任务的训练；也可以先对神经网络模型进行标签标注任务的训练，再进行词语替换任务的训练；还使用交替训练的方式来对神经网络模型进行上述两个任务的训练。
本步骤在进行词语替换任务的训练时，将替换文本作为神经网络模型的输入，将替换文本对应的替换类别标注结果作为输出，使得神经网络模型能够根据所输入的文本数据，输出其属于各替换类别的概率；而在进行标签标注任务的训练时，则将文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
可以理解的是，本步骤中词语替换任务以及标签标注任务对应的损失函数可以使用交叉熵损失函数进行表示，本申请对损失函数的类型不进行限定。另外，本步骤中损失函数在满足预设条件时可以包括，损失函数小于或等于预设阈值，或者在预设次数内得到的损失函数相等，或者在预设次数内得到的损失函数之间的差值小于或等于预设阈值，等等。
另外，本步骤在进行词语替换任务的训练时，可以将词语替换任务划分为两个子任务进行训练，一个是标签词替换子任务，另一个是同位词替换子任务，采用该种训练方式，使得神经网络模型能够更加准确地对区分标签词替换以及同位词替换。
其中，本步骤在使用标签词替换任务训练神经网络模型时，使用替换类别为非替换类别、标签词替换类别以及非关联标签词替换类别的替换文本进行训练，其对应的损失函数为J1；而在使用同位词替换任务训练神经网络模型时，则使用替换类别为非替换类别、同位词替换类别的替换文本进行训练，其对应的损失函数为J2；而使用该种方式进行词语替换任务的目标是对两种任务的目标进行融合，即在待标注词语的替换词语之间的共性和差异性取得平衡，则词语替换任务最终的损失函数为J＝a×J1+(1-a)×J2，其中a为平衡两种任务目标的参数，取值范围在0～1之间。
在使用第一训练样本以及第二训练样本进行神经网络模型的训练之前，还可以基于大规模语料对神经网络模型进行预训练，从而对神经网络模型中的参数进行初始化，使得预训练之后的神经网络模型具有一定的标签标注能力。
由于标签标注模型是通过两个任务训练得到的，因此该标签标注模型能够针对两个应用场景进行词语标签的标注，一个是有候选标签词的场景，另一个是没有候选标签词的场景。
在有候选标签词的应用场景下，使用标签标注模型对文本数据中的待标注词语进行标注时，可以采用以下方式：使用候选标签词替换文本数据中的待标注词语之后，将替换文本输入标签标注模型；根据标签标注模型的输出结果，将替换文本属于标签词替换类别的概率作为该候选标签词的评分结果；选取评分结果满足第一预设条件的候选标签词作为待标注词语的标签标注结果，例如根据评分结果对各候选标签词进行排序，将排在第一位的候选标签词作为待标注词语的标签标注结果。
而在没有候选标签词的应用场景下，使用标签标注模型对文本数据中的待标注词语进行标注时，可以采用以下方式：将文本数据以及待标注词语输入标签标注模型；根据标签标注模型的输出结果，将各标签词属于待标注词语的标签标注结果的概率作为各标签词的评分结果；选取评分结果满足第二预设条件的标签词作为待标注词语的标签标注结果，例如选取评分结果超过预设阈值的标签词作为待标注词语的标签标注结果。
因此，本申请在通过上述方法建立标签标注模型时，除了对正常的标签标注任务进行训练之外，还会进行词语替换任务的训练，使得所建立的标签标注模型除了能够学习词语本身的信息之外，还能够充分地学习词语所在上下文及其标签词的关系，在提升词语标注准确性的同时，还使得标签标注模型能够适应多种标注场景。
图2为本申请第二实施例提供的一种建立标签标注模型的装置结构图，如图2中所示，所述装置包括：获取单元201、构造单元202以及训练单元203。
获取单元201，用于获取文本数据，并确定各文本数据中的待标注词语。
获取单元201首先获取文本数据，然后再确定各文本数据中的待标注词语，所确定的待标注词语即为文本数据中需要进行标签标注的词语。
其中，获取单元201可以将用户输入的内容作为文本数据；而为了能够提升文本数据的数量，获取单元201还可以将从网络中所抓取的内容作为文本数据。
具体地，获取单元201在确定各文本数据中的待标注词语时，可以将用户在文本数据中指定的词语作为待标注词语，例如将用户针对各文本数据所指定的某一个或者某几个词语作为待标注词语。
为了能够避免用户的过多参与，提升标签标注模型的建立效率，获取单元201在确定各文本数据中的待标注词语时，还可以采用以下方式：将文本数据进行分词处理之后，获取文本数据中各词语的词性；将词性属于预设词性的词语作为待标注词语。其中，预设词性可以为名词词性，即获取单元201将文本数据中的名词词语作为待标注词语。
构造单元202，用于根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本。
在获取单元201确定了各文本数据中的待标注词语之后，构造单元202根据所确定的待标注词语，进行构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本。也就是说，构造单元202针对同一个文本数据进行两类训练样本的构造，一类训练样本对应于词语替换任务，另一类训练样本则对应于标签标注任务。
其中，本申请中的词语替换任务为使用相应类型的词语替换文本数据中的待标注词语之后，进行预测所得到的替换文本属于哪种替换类别的任务，该训练任务能够学习待标注词语的表示、标签词的表示以及标签词在上下文的关系；而本申请中的标签标注任务则为根据文本数据以及其中的待标注词语，进行预测待标注词语所对应的标签的任务。
由于词语替换任务进行预测的是替换文本所属的替换类别，因此构造单元202在构造对应于词语替换任务的第一训练样本时，需要获取对应于待标注词语的不同类别的替换词语，从而实现获取对应于文本数据的不同替换类别的替换文本。
具体地，构造单元202在根据待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，可以采用以下方式：获取与所确定的待标注词语对应的替换词语，其中替换词语包括与待标注词语关联的标签词、与待标注词语关联的同位词以及与待标注词语非关联的标签词中的至少一种；使用替换词语将文本数据中的待标注词语进行替换之后，将替换词语的类别作为替换文本的替换类别标注结果，其中替换类别标注结果包括标签词替换类别、同位词替换类别以及非关联标签词替换类别；将各替换文本及其对应的替换类别标注结果作为第一训练样本。
可以理解的是，构造单元202还可以将未替换文本(即初始的文本数据)及其对应的非替换类别标注结果加入到第一训练样本。
其中，构造单元202中与待标注词语关联的标签词为待标注词语所对应的上位概念词，即待标注词语所属领域或者属性的词语；与待标注词语关联的同位词为与待标注词语具有相同上位概念词的其他词语，例如与待标注词语属于同一领域或者属性的其他词语；与待标注词语非关联的标签词即为不与待标注词语对应的上位概念词。
另外，构造单元202在根据待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，可以采用以下方式：获取与待标注词语关联的标签词，并将所获取的标签词作为待标注词语的标签标注结果；将文本数据、待标注词语以及待标注词语的标签标注结果作为第二训练样本。
可以理解的是，构造单元202在获取与待标注词语关联的标签词、与待标注词语关联的同位词以及与待标注词语非关联的标签词等替换词语时，可以通过对待标注词语进行网络搜索的方式来获取。
为了能够提升获取替换词语的准确性，构造单元202在获取与待标注词语对应的替换词语时，可以采用以下方式：确定待标注词语在预设知识库中的标识信息，这是因为不同的待标注词语可能具有相同的含义，使用一个标识信息来表示具有相同含义的多个词语，能够降低预设知识库中所包含词语的冗余程度；获取预设知识库中与所确定的标识信息对应的替换词语。
其中，预设知识库中所包含的对应各标识信息的替换词语可以通过收集现有的百科知识库中各词条对应的词条标签来建立，从而无需再由用户进行标签词的收集以及整理，极大地提升标签标注模型的建立效率。
训练单元203，用于分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。
在构造单元202构造了对应词语替换任务的第一训练样本以及对应标签标注任务的第二训练样本之后，训练单元203分别使用构造得到的第一训练样本以及第二训练样本来训练神经网络模型，直至对应词语替换任务的损失函数以及对应标签标注任务的损失函数满足预设条件，停止训练得到标签标注模型。其中，训练单元203所使用的神经网络模型可以为注意力机制模型，例如transformer模型。
利用训练单元203得到的标签标注模型，一方面能够对所输入的文本数据属于不同替换类别的概率进行预测，另一方面则能够根据所输入的文本数据以及待标注词语来预测各标签属于该词语的标签标注结果的概率。
由于训练单元203是基于多任务的标签标注框架进行神经网络模型的训练，因此训练单元203可以先对神经网络模型进行词语替换任务的训练，再进行标签标注任务的训练；也可以先对神经网络模型进行标签标注任务的训练，再进行词语替换任务的训练；还使用交替训练的方式来对神经网络模型进行上述两个任务的训练。
训练单元203在进行词语替换任务的训练时，将替换文本作为神经网络模型的输入，将替换文本对应的替换类别标注结果作为输出，使得神经网络模型能够根据所输入的文本数据，输出其属于各替换类别的概率；而训练单元203在进行标签标注任务的训练时，则将文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
可以理解的是，训练单元203中词语替换任务以及标签标注任务对应的损失函数可以使用交叉熵损失函数进行表示，本申请对损失函数的类型不进行限定。另外，训练单元203中损失函数在满足预设条件时可以包括，损失函数小于或等于预设阈值，或者在预设次数内得到的损失函数相等，或者在预设次数内得到的损失函数之间的差值小于或等于预设阈值等。
另外，训练单元203在进行词语替换任务的训练时，可以将词语替换任务划分为两个子任务进行训练，一个是标签词替换子任务，另一个是同位词替换子任务，采用该种训练方式，使得神经网络模型能够更加准确地对区分标签词替换以及同位词替换。
其中，训练单元203在使用标签词替换任务训练神经网络模型时，使用替换类别为非替换类别、标签词替换类别以及非关联标签词替换类别的替换文本进行训练，其对应的损失函数为J1；而在使用同位词替换任务训练神经网络模型时，则使用替换类别为非替换类别、同位词替换类别的替换文本进行训练，其对应的损失函数为J2；而使用该种方式进行词语替换任务的目标是对两种任务的目标进行融合，即在待标注词语的替换词语之间的共性和差异性取得平衡，则词语替换任务最终的损失函数为J＝a×J1+(1-a)×J2，其中a为平衡两种任务目标的参数，取值范围在0～1之间。
训练单元203在使用第一训练样本以及第二训练样本进行神经网络模型的训练之前，还可以基于大规模语料对神经网络模型进行预训练，从而对神经网络模型中的参数进行初始化，使得预训练之后的神经网络模型具有一定的标签标注能力。
由于标签标注模型是通过两个任务训练得到的，因此该标签标注模型能够针对两个应用场景进行词语标签的标注，一个是有候选标签词的场景，另一个是没有候选标签词的场景。
在有候选标签词的应用场景下，使用训练单元203得到的标签标注模型对文本数据中的待标注词语进行标注时，可以采用以下方式：使用候选标签词替换文本数据中的待标注词语之后，将替换文本输入标签标注模型；根据标签标注模型的输出结果，将替换文本属于标签词替换类别的概率作为该候选标签词的评分结果；选取评分结果满足第一预设条件的候选标签词作为待标注词语的标签标注结果。
在没有候选标签词的应用场景下，使用训练单元203标签标注模型对文本数据中的待标注词语进行标注时，可以采用以下方式：将文本数据以及待标注词语输入标签标注模型；根据标签标注模型的输出结果，将各标签词属于待标注词语的标签标注结果的概率作为各标签词的评分结果；选取评分结果满足第二预设条件的标签词作为待标注词语的标签标注结果。
根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。
如图3所示，是根据本申请实施例的建立标签标注模型的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示，该电子设备包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的建立标签标注模型的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的建立标签标注模型的方法。
存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的建立标签标注模型的方法对应的程序指令/模块(例如，附图2所示的获取单元201、构造单元202以及训练单元203)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的建立标签标注模型的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据的电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至建立标签标注模型的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
建立标签标注模型的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与建立标签标注模型的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，除了对正常的标签标注任务进行训练之外，还会进行词语替换任务的训练，使得所建立的标签标注模型除了能够学习词语本身的信息之外，还能够充分地学习词语所在上下文及其标签词的关系，从而在提升词语标注准确性的同时，还使得标签标注模型能够适应多种标注场景。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种建立标签标注模型的方法，其特征在于，包括：
获取文本数据，并确定各文本数据中的待标注词语；
根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本；
分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。
2.根据权利要求1所述的方法，其特征在于，所述确定各文本数据中的待标注词语包括：
将所述文本数据进行分词处理之后，获取所述文本数据中各词语的词性；
将词性属于预设词性的词语作为所述待标注词语。
3.根据权利要求1所述的方法，其特征在于，在根据所述待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，包括：
获取与所述待标注词语对应的替换词语；
使用所述替换词语将文本数据中的待标注词语进行替换之后，将所述替换词语的类别作为替换文本的替换类别标注结果；
将各替换文本及其对应的替换类别标注结果，作为所述第一训练样本。
4.根据权利要求1所述的方法，其特征在于，在根据所述待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，包括：
获取与所述待标注词语关联的标签词，并将所述标签词作为所述待标注词语的标签标注结果；
将所述文本数据、所述待标注词语及其对应的标签标注结果，作为所述第二训练样本。
5.根据权利要求3所述的方法，其特征在于，所述获取与所述待标注词语对应的替换词语包括：
确定所述待标注词语在预设知识库中的标识信息；
获取预设知识库中与所述标识信息对应的替换词语。
6.根据权利要求3所述的方法，其特征在于，在使用第一训练样本对神经网络模型进行训练时，包括：
将各替换文本作为输入，将各替换文本对应的替换类别标注结果作为输出，使得所述神经网络模型能够根据所输入的替换文本，输出其属于各替换类别的概率。
7.根据权利要求4所述的方法，其特征在于，在使用第二训练样本对神经网络模型进行训练时，包括：
将各文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得所述神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
8.根据权利要求1所述的方法，其特征在于，在使用第一训练样本对神经网络模型进行训练时，包括：
将所述词语替换任务划分为标签词替换子任务以及同位词替换子任务；
基于所述第一训练样本中对应两个子任务的训练样本，完成所述词语替换任务的训练。
9.一种建立标签标注模型的装置，其特征在于，包括：
获取单元，用于获取文本数据，并确定各文本数据中的待标注词语；
构造单元，用于根据所述待标注词语，构造各文本数据对应于词语替换任务的第一训练样本以及对应于标签标注任务的第二训练样本；
训练单元，用于分别使用所述第一训练样本以及所述第二训练样本对神经网络模型进行训练，直至所述词语替换任务以及所述标签标注任务的损失函数满足预设条件，得到标签标注模型。
10.根据权利要求9所述的装置，其特征在于，所述获取单元在确定各文本数据中的待标注词语时，具体执行：
将所述文本数据进行分词处理之后，获取所述文本数据中各词语的词性；
将词性属于预设词性的词语作为所述待标注词语。
11.根据权利要求9所述的装置，其特征在于，所述构造单元在根据所述待标注词语构造各文本数据对应于词语替换任务的第一训练样本时，具体执行：
获取与所述待标注词语对应的替换词语；
使用所述替换词语将文本数据中的待标注词语进行替换之后，将所述替换词语的类别作为替换文本的替换类别标注结果；
将各替换文本及其对应的替换类别标注结果，作为所述第一训练样本。
12.根据权利要求9所述的装置，其特征在于，所述构造单元在根据所述待标注词语构造各文本数据对应于标签标注任务的第二训练样本时，具体执行：
获取与所述待标注词语关联的标签词，并将所述标签词作为所述待标注词语的标签标注结果；
将所述文本数据、所述待标注词语及其对应的标签标注结果，作为所述第二训练样本。
13.根据权利要求11所述的装置，其特征在于，所述构造单元在获取与所述待标注词语对应的替换词语时，具体执行：
确定所述待标注词语在预设知识库中的标识信息；
获取预设知识库中与所述标识信息对应的替换词语。
14.根据权利要求11所述的装置，其特征在于，所述训练单元在使用第一训练样本对神经网络模型进行训练时，具体执行：
将各替换文本作为输入，将各替换文本对应的替换类别标注结果作为输出，使得所述神经网络模型能够根据所输入的替换文本，输出其属于各替换类别的概率。
15.根据权利要求12所述的装置，其特征在于，所述训练单元在使用第二训练样本对神经网络模型进行训练时，具体执行：
将各文本数据以及待标注词语作为输入，将待标注词语对应的标签标注结果作为输出，使得所述神经网络模型能够根据所输入的文本数据以及待标注词语，输出各标签词属于待标注词语的标签标注结果的概率。
16.根据权利要求9所述的装置，其特征在于，所述训练单元在使用第一训练样本对神经网络模型进行训练时，具体执行：
将所述词语替换任务划分为标签词替换子任务以及同位词替换子任务；
基于所述第一训练样本中对应两个子任务的训练样本，完成所述词语替换任务的训练。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
CN202010195678.5A 2020-03-19 2020-03-19 建立标签标注模型的方法、装置、电子设备和可读存储介质 Active CN111507104B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010195678.5A CN111507104B (zh) 2020-03-19 2020-03-19 建立标签标注模型的方法、装置、电子设备和可读存储介质
JP2020145877A JP7098853B2 (ja) 2020-03-19 2020-08-31 ラベルラベリングモデルを確立する方法、装置、電子機器、プログラム及び可読記憶媒体
US17/015,411 US11531813B2 (en) 2020-03-19 2020-09-09 Method, electronic device and readable storage medium for creating a label marking model
EP21153337.7A EP3882807A1 (en) 2020-03-19 2021-01-25 Method, apparatus, electronic device, readable storage medium and computer program product for creating a label marking model
KR1020210012424A KR102645185B1 (ko) 2020-03-19 2021-01-28 라벨링 모델을 구축하는 방법, 장치, 전자 기기, 프로그램 및 판독 가능 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010195678.5A CN111507104B (zh) 2020-03-19 2020-03-19 建立标签标注模型的方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN111507104A CN111507104A (zh) 2020-08-07
CN111507104B true CN111507104B (zh) 2022-03-25

Family

ID=71877784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010195678.5A Active CN111507104B (zh) 2020-03-19 2020-03-19 建立标签标注模型的方法、装置、电子设备和可读存储介质

Country Status (5)

Country Link
US (1) US11531813B2 (zh)
EP (1) EP3882807A1 (zh)
JP (1) JP7098853B2 (zh)
KR (1) KR102645185B1 (zh)
CN (1) CN111507104B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11625555B1 (en) * 2020-03-12 2023-04-11 Amazon Technologies, Inc. Artificial intelligence system with unsupervised model training for entity-pair relationship analysis
US11551666B1 (en) * 2020-05-28 2023-01-10 Amazon Technologies, Inc. Natural language processing
CN112270184B (zh) * 2020-10-23 2023-11-14 平安科技（深圳）有限公司 自然语言处理方法、装置及存储介质
CN112508093B (zh) * 2020-12-03 2022-01-28 北京百度网讯科技有限公司 一种自训练方法、装置、电子设备和可读存储介质
CN112948573B (zh) * 2021-02-05 2024-04-02 北京百度网讯科技有限公司 文本标签的提取方法、装置、设备和计算机存储介质
WO2022174496A1 (zh) * 2021-02-20 2022-08-25 平安科技（深圳）有限公司 基于生成模型的数据标注方法、装置、设备及存储介质
CN114428677B (zh) * 2022-01-28 2023-09-12 北京百度网讯科技有限公司 任务处理方法、处理装置、电子设备及存储介质
CN114707489B (zh) * 2022-03-29 2023-08-18 马上消费金融股份有限公司 标注数据集获取方法、装置、电子设备及存储介质
CN114492419B (zh) * 2022-04-01 2022-08-23 杭州费尔斯通科技有限公司 基于标注中新增关键词语的文本标注方法、系统及装置
CN114943231A (zh) * 2022-04-28 2022-08-26 阿里巴巴（中国）有限公司 样本生成方法、模型训练方法及相关装置
CN114995903B (zh) * 2022-05-30 2023-06-27 中电金信软件有限公司 一种基于预训练语言模型的类别标签识别方法及装置
CN115630645B (zh) * 2022-12-06 2023-04-07 北京匠数科技有限公司 一种文本纠错方法、装置、电子设备及介质
CN117114013B (zh) * 2023-10-12 2024-02-02 北京大学深圳研究生院 一种基于小样本的语义标注方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028077A1 (zh) * 2016-08-11 2018-02-15 中兴通讯股份有限公司 一种基于深度学习的中文语义分析的方法及装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3836977A (en) * 1973-06-25 1974-09-17 Hazeltine Corp Antenna system having a reflector with a substantially open construction
CN103154936B (zh) 2010-09-24 2016-01-06 新加坡国立大学 用于自动化文本校正的方法和系统
US9135241B2 (en) * 2010-12-08 2015-09-15 At&T Intellectual Property I, L.P. System and method for learning latent representations for natural language tasks
CN103971677B (zh) 2013-02-01 2015-08-12 腾讯科技（深圳）有限公司 一种声学语言模型训练方法和装置
US10643120B2 (en) * 2016-11-15 2020-05-05 International Business Machines Corporation Joint learning of local and global features for entity linking via neural networks
CN106683667A (zh) * 2017-01-13 2017-05-17 深圳爱拼信息科技有限公司 一种自动韵律提取方法、系统及其在自然语言处理任务中的应用
KR102071582B1 (ko) * 2017-05-16 2020-01-30 삼성전자주식회사 딥 뉴럴 네트워크(Deep Neural Network)를 이용하여 문장이 속하는 클래스(class)를 분류하는 방법 및 장치
CN107844476A (zh) * 2017-10-19 2018-03-27 广州索答信息科技有限公司 一种增强的词性标注方法
CN109766523A (zh) * 2017-11-09 2019-05-17 普天信息技术有限公司 词性标注方法和标注系统
CN109840321B (zh) * 2017-11-29 2022-02-01 腾讯科技（深圳）有限公司 文本推荐方法、装置及电子设备
US10585989B1 (en) 2018-09-07 2020-03-10 International Business Machines Corporation Machine-learning based detection and classification of personally identifiable information
CN109977361A (zh) * 2019-03-01 2019-07-05 广州多益网络股份有限公司 一种基于相似词的汉语拼音标注方法、装置及存储介质
CN110162191A (zh) * 2019-04-03 2019-08-23 腾讯科技（深圳）有限公司 一种表情推荐方法、装置及存储介质
US10902203B2 (en) * 2019-04-23 2021-01-26 Oracle International Corporation Named entity disambiguation using entity distance in a knowledge graph
US11645513B2 (en) * 2019-07-03 2023-05-09 International Business Machines Corporation Unary relation extraction using distant supervision
US11630952B2 (en) * 2019-07-22 2023-04-18 Adobe Inc. Classifying terms from source texts using implicit and explicit class-recognition-machine-learning models
US11176330B2 (en) * 2019-07-22 2021-11-16 Advanced New Technologies Co., Ltd. Generating recommendation information
US20210342212A1 (en) * 2019-10-02 2021-11-04 Kpn Innovations, Llc. Method and system for identifying root causes
RU2737720C1 (ru) * 2019-11-20 2020-12-02 Общество с ограниченной ответственностью "Аби Продакшн" Извлечение полей с помощью нейронных сетей без использования шаблонов

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028077A1 (zh) * 2016-08-11 2018-02-15 中兴通讯股份有限公司 一种基于深度学习的中文语义分析的方法及装置

Also Published As

Publication number Publication date
US11531813B2 (en) 2022-12-20
KR102645185B1 (ko) 2024-03-06
CN111507104A (zh) 2020-08-07
JP7098853B2 (ja) 2022-07-12
US20210294975A1 (en) 2021-09-23
KR20210118360A (ko) 2021-09-30
EP3882807A1 (en) 2021-09-22
JP2021149916A (ja) 2021-09-27

Similar Documents

Publication Publication Date Title
CN111507104B (zh) 建立标签标注模型的方法、装置、电子设备和可读存储介质
CN110717339B (zh) 语义表示模型的处理方法、装置、电子设备及存储介质
CN112560912B (zh) 分类模型的训练方法、装置、电子设备和存储介质
CN111104514B (zh) 文档标签模型的训练方法及装置
CN112560479B (zh) 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备
CN111428507A (zh) 实体链指方法、装置、设备以及存储介质
CN111325020A (zh) 一种事件论元抽取方法、装置以及电子设备
CN112036509A (zh) 用于训练图像识别模型的方法和装置
CN111191428B (zh) 评论信息处理方法、装置、计算机设备和介质
CN112487814A (zh) 实体分类模型训练方法、实体分类方法、装置及电子设备
CN111125435A (zh) 视频标签的确定方法、装置和计算机设备
CN111950291A (zh) 语义表示模型的生成方法、装置、电子设备及存储介质
CN111339759A (zh) 领域要素识别模型训练方法、装置及电子设备
CN111667056A (zh) 用于搜索模型结构的方法和装置
CN110543558A (zh) 问题匹配方法、装置、设备和介质
CN111737559A (zh) 资源排序方法、训练排序模型的方法及对应装置
CN111859953A (zh) 训练数据的挖掘方法、装置、电子设备及存储介质
CN112149741A (zh) 图像识别模型的训练方法、装置、电子设备及存储介质
CN112541359A (zh) 文档内容识别方法、装置、电子设备及介质
CN112668586A (zh) 模型训练、图片处理方法及设备、存储介质、程序产品
CN111539209A (zh) 用于实体分类的方法和装置
CN111858905A (zh) 模型训练方法、信息识别方法、装置、电子设备及存储介质
CN112182292A (zh) 视频检索模型的训练方法、装置、电子设备及存储介质
CN112380847A (zh) 兴趣点处理方法、装置、电子设备及存储介质
CN111783861A (zh) 数据分类方法、模型训练方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant