CN112015893A - 数据处理方法及装置 - Google Patents
数据处理方法及装置 Download PDFInfo
- Publication number
- CN112015893A CN112015893A CN202010807711.5A CN202010807711A CN112015893A CN 112015893 A CN112015893 A CN 112015893A CN 202010807711 A CN202010807711 A CN 202010807711A CN 112015893 A CN112015893 A CN 112015893A
- Authority
- CN
- China
- Prior art keywords
- information classification
- published information
- node
- training text
- training
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 453
- 238000013145 classification model Methods 0.000 claims abstract description 258
- 230000008859 change Effects 0.000 claims abstract description 58
- 238000002372 labelling Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
本公开公开了一种数据处理方法、装置、电子设备和计算机可读存储介质。其中方法包括:响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;从所述发布信息的落地页上获取训练文本;通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。本公开实施例通过自动标注训练文本,可以加速标注速度,提高标注效率。
Description
技术领域
本公开涉及数据处理技术领域,特别是涉及一种数据处理方法、装置和计算机可读存储介质。
背景技术
发布信息分类是指根据不同的目的要求对发布信息划分不同类型。这样可以根据用户的不同特点,选择合适的发布信息类型进行推送,以达到最佳的效果。
分类任务通常通过发布信息分类模型来执行,而训练发布信息分类模型需要用于训练的训练文本,通常采用的方法是:通过人工标注训练文本得到训练样本集合,然后使用训练样本集合训练得到发布信息分类树中每个类别节点对应的发布信息分类模型,后续使用该发布信息分类树对训练文本进行发布信息行分类,但是当发布信息分类规则发生变化时,需要重新标注全部训练文本以获取新的训练样本集合,这样就非常耗时耗力。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开解决的技术问题是提供一种数据处理方法,以至少部分地解决现有技术中人工标注训练样本集合,非常耗时耗力的技术问题。此外,还提供一种数据处理装置、数据处理硬件装置、计算机可读存储介质和数据处理终端。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种数据处理方法,包括:
响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
从所述发布信息的落地页上获取训练文本;
通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种数据处理装置,包括:
变更响应模块,用于响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
文本获取模块,用于从所述发布信息的落地页上获取训练文本;
文本标注模块,用于通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
样本集合确定模块,用于根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述任一项所述的数据处理方法。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述任一项所述的数据处理方法。
为了实现上述目的,根据本公开的又一个方面,还提供以下技术方案:
一种数据处理终端,包括上述任一数据处理装置。
本公开实施例通过第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别,根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,通过自动标注训练文本,可以加速标注速度,提高标注效率。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1a为根据本公开一个实施例的数据处理方法的流程示意图;
图1b为根据本公开一个实施例的数据处理方法中的第一发布信息分类树示意图;
图1c为根据本公开一个实施例的数据处理方法中的第二发布信息分类树示意图;
图1d为根据本公开一个实施例的数据处理方法中的拆分操作示意图;
图1e为根据本公开一个实施例的数据处理方法中的添加操作示意图;
图1f为根据本公开一个实施例的数据处理方法中的删除操作示意图;
图1g为根据本公开一个实施例的数据处理方法中的移动操作示意图;
图2为根据本公开一个实施例的数据处理装置的流程示意图;
图3为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,或并行执行。此外,方法实施方式可以包括附加的步骤或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
实施例一
为了解决人工标注训练样本集合,非常耗时耗力的技术问题,本公开实施例提供一种数据处理方法。如图1a所示,该数据处理方法主要包括如下步骤S11至步骤S14。
步骤S11:响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型。
其中,第一发布信息分类树和第二发布信息分类树均为树形结构,且第一发布信息分类树和第二发布信息分类树均包含多级发布信息类别,且每级发布信息类别由多个类别节点组成,每个类别节点均包含一个发布信息分类模型。如图1b所示,为第一发布信息分类树的一个示例。在所述第一发布信息分类树的基础上进行变更操作,可以得到第二发布信息分类树,即第二发布信息分类树为第一发布信息分类树的变形,如图1c所示,为第二发布信息分类树的一个示例,即在图1b所示的第一发布信息分类树的根节点上增加了一个类别节点。
其中,变更操作可以为增加类别节点、拆分类别节点、删除类别节点、移动类别节点等。
其中,发布信息可以为广告、新闻、个人动态等。例如,根据内容划分发布信息类别为商品发布信息、企业发布信息、服务发布信息、观念发布信息等。其中,商品发布信息对应的类别包括3C产品、智能终端产品、数码产品等,其中3C产品为计算机类、通信类和消费类电子产品三者的统称。而智能终端产品对应的类别包括智能手机、智能音箱、智能手环等,基于上述分类可以构建第一用户意图发布信息分类树数码产品3C产品。
步骤S12:从所述发布信息的落地页上获取训练文本。
具体的,可以获取落地页上的标题、文本内容(包括直接的文本或者通过图像文字识别处理得到的文本等)作为训练文本。
步骤S13:通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别。
由于第一发布信息分类树中每个类别节点的发布信息分类模型为预先训练好的发布信息分类模型,采用该第一发布信息分类树可以对训练文本进行初步标注。
步骤S14:根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
由于所述第二发布信息分类树的结构已发生变化,因此,采用第一发布信息分类树标注的训练文本并不能直接作为用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,需要进一步确定标注。
本实施例通过第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别,根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,通过自动标注训练文本,可以加速标注速度,提高标注效率。
在第一可选的实施例中,步骤S14具体包括:
一、根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合;其中,所述第一类别节点为可能标注不正确的类别节点;所述第二类别节点为所述第二发布信息分类树中与所述第一类别节点相同的类别节点。
二、将所述第一发布信息分类树中第三类别节点的发布信息分类模型标注的训练文本作为用于训练所述第二发布信息分类树中第四类别节点的发布信息分类模型的训练文本样本集合;所述第三类别节点为标注正确的类别节点;所述第四类别节点为所述第二发布信息分类树中与所述第三类别节点相同的类别节点。
具体的,可以根据所述变更操作确定所述第一发布信息分类树中语义发生变化的类别节点和语义未发生变化的类别节点;将所述语义发生变化的类别节点作为可能标注不正确的类别节点即所述第一类别节点,将所述语义未发生变化的类别节点作为标注正确的类别节点即所述第三类别节点;同时,在所述第二发布信息分类树中查找到与所述第一类别节点相同的类别节点作为第二类别节点及查找所述第二类别节点的下一级类别节点,及在所述第二发布信息分类树中查找到与所述第三类别节点相同的类别节点作为第四类别节点。由于所述第二发布信息分类树是在所述第一发布信息分类树的基础上得到,当所述第一发布信息分类树中类别节点发生语义变化时,其在所述第二发布信息分类树中对应的类别节点的发布信息识别模型及其下一级类别节点的发布信息识别模型可能会发生变化,因此都需要重新训练。
在第二可选的实施例中,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合。
本实施例将第一类别节点拆分为更细的分类即分为多个子类别节点,因此多个子类别节点的发布信息分类模型所使用的正训练文本样本集合为所述第一类别节点的发布信息分类模型所使用的正训练文本样本集合的子集。因此通过所述第一类别节点的发布信息分类模型分类标注的正训练文本样本集合并不能确定为所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合,因此需要人工根据上述多个子类别节点重新标注上述正训练文本样本集合中训练文本,最终才能确定是否为所述第二类别节点的发布信息分类模型的正训练文本样本集合。
二、响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注。
三、根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合。
以图1d中的拆分为例,智能终端产品这个类别被拆分为多个更细的分类,即“智能手机”、“智能音箱”以及“智能手环”,这样原先“智能终端产品”节点即第一类别节点的语义发生变化,通过原先“智能终端产品”节点的发布信息分类模型标注的正训练文本样本集合为不确定,需要人工标注确定上述“智能手机”节点、“智能音箱”节点以及“智能手环”节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合,根据上述“智能手机”节点、“智能音箱”节点以及“智能手环”节点的发布信息分类模型的正训练文本样本集合,才能确定新“智能终端产品”节点即第二类别节点的发布信息分类模型的正训练文本样本集合。即上述“智能手机”节点、“智能音箱”节点以及“智能手环”节点的发布信息分类模型的正训练文本样本集合即为新“智能终端产品”节点的发布信息分类模型的正训练文本样本集合。
在第三可选的实施例中,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合。
本实施例将第一类别节点拆分为更细的分类即分为多个子类别节点,因此通过所述第一类别节点的发布信息分类模型分类标注的负训练文本样本集合一定为所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合,因此无需再进行人工标注。
二、将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合。
以上述图1d中的拆分为例,智能终端产品这个类别被拆分为多个更细的分类,“智能手机”、“智能音箱”以及“智能手环”,这样原先“智能终端产品”节点即第一类别的语义发生变化,通过原先“智能终端产品”节点的发布信息分类模型标注的负训练文本样本集合也为新“智能终端产品”节点即第二类别节点的发布信息分类模型的负训练文本样本集合,也是“智能手机”子类别节点的发布信息分类模型、“智能音箱”子类别节点的发布信息分类模型以及“智能手环”子类别节点的发布信息分类模型的负训练文本样本集合。
在第四可选的实施例中,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合。
当有新的发布信息类别即子类别节点加入第一类别节点时,则第一类别节点的语义发生变化。第一类别节点的发布信息分类模型标注的负训练文本样本集合不确定(因为可能是子类别节点的正训练文本样本集合),此时需要人工重新标注以确定所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
二、响应于所述负训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注。
三、根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
以图1e所示的添加为例,数码产品被添加到根节点即第一类别节点中,则根节点的语义发生变化。老根节点即第一类别节点的发布信息分类模型标注的负训练文本样本集合不确定(因为可能是数码产品模型的正),需要人工重新标注以确定新根节点即第二类别节点的发布信息分类模型的负训练文本样本集合和数码产品子类别节点的发布信息分类模型的正训练文本样本集合。
在第五可选的实施例中,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合。
当有新的发布信息类别即子类别节点加入第一类别节点时,则第一类别节点的语义发生变化。第一类别节点的发布信息分类模型标注的正训练文本样本集合则为添加的子类别节点模型的负训练文本样本集合。
二、响应于所述正训练文本样本集合中训练文本的标注操作,将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述子类别节点的发布信息分类模型的负训练文本样本集合。
以图1e所示的添加为例,数码产品被添加到根节点即第一类别节点中,则根节点的语义发生变化。老根节点模型即第一类别节点的发布信息分类模型标注的正训练文本样本集合为数码产品子类别节点的发布信息分类模型的负训练文本样本集合。
在第六可选的实施例中,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合。
当有新的发布信息类别即子类别节点加入第一类别节点时,则第一类别节点的语义发生变化。如果第一类别节点还存在其余子类别节点,则第一类别节点的发布信息分类模型标注的正训练文本样本集合则为所述第二发布信息分类树中第二类别节点的发布信息分类模型的正训练文本样本集合。
二、将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的正训练文本样本集合。
以图1e所示的添加为例,数码产品被添加到根节点即第一类别节点中,则根节点的语义发生变化。老根节点即第一类别节点的发布信息分类模型标注的正训练文本样本集合为新根节点即第二类别节点的发布信息分类模型的正训练文本样本集合。
在第七可选的实施例中,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;且,步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合。
具体的,从第一类别节点下子类别节点,则第一类别节点的语义发生变化,第一类别节点的发布信息分类模型标注的正训练文本样本集合不确定,则需要重新标注,因为可能是已经删除掉的子类别节点的发布信息分类模型标注的正训练文本样本,对于所述第二发布信息分类树中所述第二类别节点的发布信息分类模型来说为负训练文本样本例。
以图1f中所示的删除为例,从根节点即第一类别节点下边删除“3C产品”子分类节点,则根节点语义发生变化,老根节点模型预测出的负训练文本样本集合还是新根节点模型的负训练文本样本集合;老根节点预测出的正训练文本样本集合需要重新标注(因为可能是已经删除掉的3C产品模型的正训练文本样本集合,对于新的根节点模型来说为负训练文本样本集合);“3C产品”模型预测的正训练文本样本集合和负训练文本样本集合均为新根节点模型的负训练文本样本集合。
二、响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注。
三、根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的训练文本样本集合。
在第八可选的实施例中,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;步骤S141具体包括:
一、获取所述子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合。
具体的,从第一类别节点下子类别节点,则第一类别节点的语义发生变化,删除的子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合均为所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
二、将所述正训练文本样本集合和所述负训练文本样本集合均作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
在第九可选的实施例中,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;步骤S141具体包括:
一、获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合。
具体的,从第一类别节点下子类别节点,则第一类别节点的语义发生变化,第一类别节点的发布信息分类模型标注的负训练文本样本集合为所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
二、将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
此外,所述变更操作还可能为以下三种情况:
第一,往父节点层级移动类别节点,即将所述第一发布信息分类树中将第五类别节点移动至第一类别节点下,作为所述第一类别节点的子类别节点。如果第五类别节点有父节点,对于父节点来说相当于删除操作,其对应的发布信息分类模型的训练文本样本集合的确定方法参见上述第七-第九可选实施例。对于第一类别节点来说相当于添加操作,其对应的发布信息分类模型的训练文本样本集合的确定方法参见上述第四-第六可选实施例。以图1g所示中的移动为例,“智能手机”节点从三级分类变成二级分类,则原先三级分类的父节点语义发生变化,其操作与删除相同。对于根节点即第一类别节点来说其操作与添加相同。
第二,往父节点的兄弟节点移动,对于移动方的父节点等同于删除操作,其对应的发布信息分类模型的训练文本样本集合的确定方法参见上述第七-第九可选实施例。对于被移动到的父节点,等同于添加操作,其对应的发布信息分类模型的训练文本样本集合的确定方法参见上述第四-第六可选实施例。
第三,往兄弟节点的子节点移动,对于父节点语义无变化,对于兄弟节点相当于添加操作,其对应的发布信息分类模型的训练文本样本集合的确定方法参见上述第四-第六可选实施例。
本领域技术人员应能理解,在上述各个实施例的基础上,还可以进行明显变型(例如,对所列举的模式进行叠加)或等同替换。
在上文中,虽然按照上述的顺序描述了数据处理方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
实施例二
为了解决多个人工标注训练样本集合,非常耗时耗力的技术问题,本公开实施例提供一种数据处理装置。该装置可以执行上述实施例一所述的数据处理方法实施例中的步骤。如图2所示,该装置主要包括:变更响应模块21、文本获取模块22、文本标注模块23和样本集合确定模块24;其中,
变更响应模块21用于响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
文本获取模块22用于从所述发布信息的落地页上获取训练文本;
文本标注模块23用于通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
样本集合确定模块24用于根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述样本集合确定模块24具体用于根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合;其中,所述第一类别节点为可能标注不正确的类别节点;所述第二类别节点为所述第二发布信息分类树中与所述第一类别节点相同的类别节点。
所述样本集合确定模块24具体用于将所述第一发布信息分类树中第三类别节点的发布信息分类模型标注的训练文本作为用于训练所述第二发布信息分类树中第四类别节点的发布信息分类模型的训练文本样本集合;所述第三类别节点为标注正确的类别节点;所述第四类别节点为所述第二发布信息分类树中与所述第三类别节点相同的类别节点。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;响应于所述负训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块24具体用于:获取所述子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合;将所述正训练文本样本集合和所述负训练文本样本集合均作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块24具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
有关数据处理装置实施例的工作原理、实现的技术效果等详细说明可以参考前述数据处理方法实施例中的相关说明,在此不再赘述。
实施例三
下面参考图3,其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意叠加。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的叠加。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的叠加。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的叠加。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的叠加。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;从所述发布信息的落地页上获取训练文本;通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
可以以一种或多种程序设计语言或其叠加来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的叠加,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的叠加来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适叠加。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适叠加。
根据本公开的一个或多个实施例,提供了一种数据处理方法,包括:
响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
从所述发布信息的落地页上获取训练文本;
通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,包括:
根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合;其中,所述第一类别节点为可能标注不正确的类别节点;所述第二类别节点为所述第二发布信息分类树中与所述第一类别节点相同的类别节点。
将所述第一发布信息分类树中第三类别节点的发布信息分类模型标注的训练文本作为用于训练所述第二发布信息分类树中第四类别节点的发布信息分类模型的训练文本样本集合;所述第三类别节点为标注正确的类别节点;所述第四类别节点为所述第二发布信息分类树中与所述第三类别节点相同的类别节点。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
响应于所述负训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合;
将所述正训练文本样本集合和所述负训练文本样本集合均作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
根据本公开的一个或多个实施例,提供了一种数据处理装置,包括:
变更响应模块,用于响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
文本获取模块,用于从所述发布信息的落地页上获取训练文本;
文本标注模块,用于通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
样本集合确定模块,用于根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述样本集合确定模块具体用于根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合;其中,所述第一类别节点为可能标注不正确的类别节点;所述第二类别节点为所述第二发布信息分类树中与所述第一类别节点相同的类别节点。
所述样本集合确定模块具体用于将所述第一发布信息分类树中第三类别节点的发布信息分类模型标注的训练文本作为用于训练所述第二发布信息分类树中第四类别节点的发布信息分类模型的训练文本样本集合;所述第三类别节点为标注正确的类别节点;所述第四类别节点为所述第二发布信息分类树中与所述第三类别节点相同的类别节点。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;响应于所述负训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述子类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的正训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块具体用于:获取所述子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合;将所述正训练文本样本集合和所述负训练文本样本集合均作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
进一步的,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述样本集合确定模块具体用于:获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
根据本公开的一个或多个实施例,提供了一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述的数据处理方法。
根据本公开的一个或多个实施例,提供了一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述的数据处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定叠加而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意叠加而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以叠加地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子叠加的方式实现在多个实施例中。
尽管已经采用特定于结构特征或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (14)
1.一种数据处理方法,其特征在于,包括:
响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
从所述发布信息的落地页上获取训练文本;
通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
2.根据权利要求1所述的方法,其特征在于,所述根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,包括:
根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合;其中,所述第一类别节点为可能标注不正确的类别节点;所述第二类别节点为所述第二发布信息分类树中与所述第一类别节点相同的类别节点。
3.根据权利要求1所述的方法,其特征在于,所述根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合,包括:
将所述第一发布信息分类树中第三类别节点的发布信息分类模型标注的训练文本作为用于训练所述第二发布信息分类树中第四类别节点的发布信息分类模型的训练文本样本集合;所述第三类别节点为标注正确的类别节点;所述第四类别节点为所述第二发布信息分类树中与所述第三类别节点相同的类别节点。
4.根据权利要求2所述的方法,其特征在于,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的正训练文本样本集合和负训练文本样本集合。
5.根据权利要求2所述的方法,其特征在于,所述变更操作为将所述第一类别节点拆分为多个子类别节点,相应的所述下一级类别节点为所述多个子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型和每个子类别节点的发布信息分类模型的负训练文本样本集合。
6.根据权利要求2所述的方法,其特征在于,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
响应于所述负训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合和所述子类别节点的发布信息分类模型的正训练文本样本集合。
7.根据权利要求2所述的方法,其特征在于,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述子类别节点的发布信息分类模型的负训练文本样本集合。
8.根据权利要求2所述的方法,其特征在于,所述变更操作为将所述第一类别节点作为父节点添加子类别节点,相应的所述下一级类别节点为所述子类别节点;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
将所述正训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的正训练文本样本集合。
9.根据权利要求2所述的方法,其特征在于,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的正训练文本样本集合;
响应于所述正训练文本样本集合中训练文本的标注操作,对所述训练样本进行标注;
根据标注结果重新确定用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的训练文本样本集合。
10.根据权利要求2所述的方法,其特征在于,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述子类别节点的发布信息分类模型标注的正训练文本样本集合和负训练文本样本集合;
将所述正训练文本样本集合和所述负训练文本样本集合均作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
11.根据权利要求2所述的方法,其特征在于,所述变更操作为删除所述第一类别节点的子类别节点,相应的所述下一级类别节点为空;
且,所述根据所述第一发布信息分类树中第一类别节点的发布信息分类模型标注的训练文本确定用于训练所述第二发布信息分类树中第二类别节点的发布信息分类模型及所述第二发布信息分类树中所述第二类别节点的下一级类别节点的发布信息分类模型的训练文本样本集合,包括:
获取所述第一类别节点的发布信息分类模型标注的负训练文本样本集合;
将所述负训练文本样本集合作为用于训练所述第二发布信息分类树中所述第二类别节点的发布信息分类模型的负训练文本样本集合。
12.一种数据处理装置,其特征在于,包括:
变更响应模块,用于响应于第一发布信息分类树的变更操作,得到第二发布信息分类树;其中,所述第一发布信息分类树和所述第二发布信息分类树均由多个类别节点组成,每个类别节点均包含一个发布信息分类模型;
文本获取模块,用于从所述发布信息的落地页上获取训练文本;
文本标注模块,用于通过所述第一发布信息分类树中每个类别节点的发布信息分类模型对所述训练文本进行发布信息分类,并根据分类结果标注每个训练文本的发布信息类别;
样本集合确定模块,用于根据标注的训练文本确定用于训练所述第二发布信息分类树中每个类别节点的发布信息分类模型的训练文本样本集合。
13.一种电子设备,包括:
存储器,用于存储非暂时性计算机可读指令;以及
处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现根据权利要求1-11任一项所述的数据处理方法。
14.一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行权利要求1-11任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807711.5A CN112015893A (zh) | 2020-08-12 | 2020-08-12 | 数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807711.5A CN112015893A (zh) | 2020-08-12 | 2020-08-12 | 数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015893A true CN112015893A (zh) | 2020-12-01 |
Family
ID=73505880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010807711.5A Pending CN112015893A (zh) | 2020-08-12 | 2020-08-12 | 数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015893A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725213A (zh) * | 2004-07-22 | 2006-01-25 | 国际商业机器公司 | 构造、维护个性化分类树、分类显示文档的方法及系统 |
CN104915679A (zh) * | 2015-05-26 | 2015-09-16 | 浪潮电子信息产业股份有限公司 | 一种基于随机森林加权距离的大规模高维数据分类方法 |
CN104978328A (zh) * | 2014-04-03 | 2015-10-14 | 北京奇虎科技有限公司 | 一种获取层级分类器以及文本分类的方法及装置 |
CN107330021A (zh) * | 2017-06-20 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 基于多叉树的数据分类方法、装置及设备 |
CN107832581A (zh) * | 2017-12-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 状态预测方法和装置 |
CN109886303A (zh) * | 2019-01-21 | 2019-06-14 | 武汉大学 | 一种基于粒子群优化的TrAdaboost样本迁移航空影像分类方法 |
CN109902576A (zh) * | 2019-01-25 | 2019-06-18 | 华中科技大学 | 一种头肩图像分类器的训练方法及应用 |
CN110837856A (zh) * | 2019-10-31 | 2020-02-25 | 深圳市商汤科技有限公司 | 神经网络训练及目标检测方法、装置、设备和存储介质 |
-
2020
- 2020-08-12 CN CN202010807711.5A patent/CN112015893A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725213A (zh) * | 2004-07-22 | 2006-01-25 | 国际商业机器公司 | 构造、维护个性化分类树、分类显示文档的方法及系统 |
CN104978328A (zh) * | 2014-04-03 | 2015-10-14 | 北京奇虎科技有限公司 | 一种获取层级分类器以及文本分类的方法及装置 |
CN104915679A (zh) * | 2015-05-26 | 2015-09-16 | 浪潮电子信息产业股份有限公司 | 一种基于随机森林加权距离的大规模高维数据分类方法 |
CN107330021A (zh) * | 2017-06-20 | 2017-11-07 | 北京神州泰岳软件股份有限公司 | 基于多叉树的数据分类方法、装置及设备 |
CN107832581A (zh) * | 2017-12-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 状态预测方法和装置 |
CN109886303A (zh) * | 2019-01-21 | 2019-06-14 | 武汉大学 | 一种基于粒子群优化的TrAdaboost样本迁移航空影像分类方法 |
CN109902576A (zh) * | 2019-01-25 | 2019-06-18 | 华中科技大学 | 一种头肩图像分类器的训练方法及应用 |
CN110837856A (zh) * | 2019-10-31 | 2020-02-25 | 深圳市商汤科技有限公司 | 神经网络训练及目标检测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096584B (zh) | 一种应答方法和装置 | |
WO2020182123A1 (zh) | 用于推送语句的方法和装置 | |
WO2023279843A1 (zh) | 内容搜索方法、装置、设备和存储介质 | |
CN111341308A (zh) | 用于输出信息的方法和装置 | |
CN111857720B (zh) | 用户界面状态信息的生成方法、装置、电子设备及介质 | |
CN115757400A (zh) | 数据表处理方法、装置、电子设备和计算机可读介质 | |
JP2022518645A (ja) | 映像配信時効の決定方法及び装置 | |
CN116894188A (zh) | 业务标签集更新方法、装置、介质及电子设备 | |
US20230315990A1 (en) | Text detection method and apparatus, electronic device, and storage medium | |
CN110827085A (zh) | 文本处理方法、装置及设备 | |
CN110806834A (zh) | 基于输入法的信息处理方法、装置、电子设备及介质 | |
JP2024506495A (ja) | 議事録の処理方法、装置、機器及び媒体 | |
CN114356962A (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN114995691A (zh) | 一种文档处理方法、装置、设备和介质 | |
CN111090993A (zh) | 属性对齐模型训练方法及装置 | |
CN111382262A (zh) | 用于输出信息的方法和装置 | |
CN111555960A (zh) | 信息生成的方法 | |
CN113807056B (zh) | 一种文档名称序号纠错方法、装置和设备 | |
CN112015893A (zh) | 数据处理方法及装置 | |
CN115292487A (zh) | 基于朴素贝叶斯的文本分类方法、装置、设备和介质 | |
CN110852043B (zh) | 一种文本转写方法、装置、设备及存储介质 | |
CN115525371A (zh) | 图像语义对齐方法、装置、电子设备及存储介质 | |
CN111488495A (zh) | 信息处理方法及设备 | |
CN111859902A (zh) | 一种文本处理方法、装置、设备及介质 | |
CN112445820A (zh) | 数据转换方法及装置 |
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 |