CN114490990B - 待标注文本的确定方法、装置、设备和存储介质 - Google Patents
待标注文本的确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114490990B CN114490990B CN202210106836.4A CN202210106836A CN114490990B CN 114490990 B CN114490990 B CN 114490990B CN 202210106836 A CN202210106836 A CN 202210106836A CN 114490990 B CN114490990 B CN 114490990B
- Authority
- CN
- China
- Prior art keywords
- text
- determining
- confidence
- annotated
- texts
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims 2
- 238000010801 machine learning Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 230000035935 pregnancy Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001674048 Phthiraptera Species 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种待标注文本的确定方法、装置、设备和存储介质，涉及计算机技术领域，具体涉及自然语言处理、机器学习、智能阅读理解、智能问答等人工智能领域。待标注文本的确定方法包括：获取多条文本；基于预设问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本。本公开可以提高待标注文本的有效性。
Description
技术领域
本公开涉及计算机技术领域，具体涉及自然语言处理、机器学习、智能阅读理解、智能问答等人工智能领域，尤其涉及一种待标注文本的确定方法、装置、设备和存储介质。
背景技术
自然语言处理领域的机器学习依赖高质量的标注数据。为了降低标注成本、提高标注效率，需要选择合适的待标注文本。
发明内容
本公开提供了一种待标注文本的确定方法、装置、设备和存储介质。
根据本公开的一方面，提供了一种待标注文本的确定方法，包括：获取多条文本；基于预设问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本。
根据本公开的另一方面，提供了一种待标注文本的确定装置，包括：获取模块，用于获取多条文本；处理模块，用于基于预设问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；确定模块，用于基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本。
根据本公开的另一方面，提供了一种电子设备，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如上述任一方面的任一项所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
根据本公开的技术方案，可以提高待标注文本的有效性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是根据本公开第三实施例的示意图；
图4是根据本公开第四实施例的示意图；
图5是根据本公开第五实施例的示意图；
图6是根据本公开第六实施例的示意图；
图7是根据本公开第七实施例的示意图；
图8是用来实现本公开实施例的待标注文本的确定方法的电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
相关技术中，可以在多条文本中，随机选择待标注文本。但是，这种随机方式选择的待标注文本，有效性较差。
图1是根据本公开第一实施例的示意图，本实施例提供一种待标注文本的确定方法，本实施例的方法包括：
101、获取多条文本。
102、基于预设问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值。
103、基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本。
本实施例的执行主体可以称为待标注文本的确定装置，待标注文本的确定装置可以为软件、硬件或者软硬结合，该装置可以位于电子设备中。该电子设备可以为用户终端或者服务器，用户终端可以包括：个人电脑(Personal Computer、PC)、便携式电脑、移动设备(如手机、平板电脑)、车载终端(如车机)、可穿戴式设备(如智能手表、智能手环)、智能家居设备(如智能电视、智能音箱)等，服务器可以为本地服务器或者云端服务器。
待标注文本的确定方法可以应用于多种场景，比如，智能阅读理解、智能问答等。
其中，多条文本可以从已有的文本集中获得，比如，可以预先收集大量的文本组成文本集。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
如图2所示，用户可以通过用户终端201上传多条文本，之后，可以在用户终端201本地，在所述多条文本中确定出待标注文本，或者，用户终端201可以将多条文本发送给服务器202，由服务端在所述多条文本中确定出待标注文本。图2以服务器确定待标注文本为例。
获取多条文本后，针对所述多条文本中各条文本，可以获得针对预设问题的答案以及答案的置信度。
比如，一般来讲，预设问题可以包括时间、地点、人物等中的一项或多项。假设预设问题为时间，则可以获得各条文本，针对时间的答案。
举例而言，文本、问题以及答案的关系可以参见表1：
表1
依据表1，以文本为“最近家里出现尘虱，好多而且我怀孕了，已经八个多月了，请问会对我有什么影响吗？”为例，假设预设问题为“怀孕时间”，则相应的答案为“八个多月”。又假设预设问题为“事件”，则相应的答案为“家里出现尘虱”。
参见图3，可以将各条文本输入到阅读理解模型中，采用阅读理解模型对输入的各条文本进行理解，阅读理解模型的另一个输入为预设问题，阅读理解模型的输出为文本针对预设问题的预测答案及其置信度。
置信度可以包括起始置信度和结束置信度，结合后续实施例，可以具体基于起始置信度和结束置信度确定待标注文本，因此，图3中以输出为预测答案的起始置信度和结束置信度为例。
预测答案的置信度是指，预测答案为真实答案的概率值。
起始置信度是指答案的起始位置的置信度，结束置信度是指答案的结束位置的置信度。
以答案为“八个多月”为例，起始置信度是指“八”作为起始位置的置信度，结束置信度是指“月”作为结束位置的置信度。
获得预测答案的置信度后，可以基于该置信度，确定待标注文本。
本实施例中，通过基于预测答案的置信度确定待标注文本，相对于随机选择待标注文本的方式，可以提高有效性。
一些实施例中，所述置信度采用阅读理解模型对所述各条文本进行处理后获得，所述确定所述多条文本中的待标注文本之后，所述方法还包括：获得针对所述待标注文本的标注数据；基于所述待标注文本和所述标注数据，训练所述阅读理解模型。
比如，从多条文本中确定的待标注文本为表1所示的文本，则可以采用人工等方式对其进行标注，比如，针对“怀孕时间”这个问题，可以人工标注“八个多月”这个标注数据，之后，还标注数据可以用于对阅读理解模型的训练过程。
假设基于预测答案的置信度确定待标注文本的过程称为数据推荐，如图4所示，阅读理解模型(图4中简化为模型)的输出可以作为数据推荐的输入，数据推荐的输出为待标注文本，基于待标注文本获得标注数据后，可以将待标注文本及其标注数据作为训练数据，用于训练模型。
由于可以基于阅读理解模型，确定待标注文本，另外，还可以基于待标注文本对应的标注数据，对阅读理解模型进行训练，即，可以实现：标注数据->训练模型->推荐数据(确定待标注文本)->训练模型->推荐数据->循环，从而可以实现模型的不断迭代，提高待标注文本以及阅读理解模型的准确度。
预设问题可以为单一问题，或者，预设问题也可以为多个问题，多个是指至少两个。比如，预设问题为“怀孕时间”，则预设问题为单一问题；或者，若预设问题为“事件”，预设问题也为单一问题；或者，若预设问题包括“怀孕时间”和“事件”，则预设问题为多个问题。
针对预设问题为单一问题，或者，预设问题为多个问题，可以采用不同的方式，基于预测答案的置信度确定待标注文本。
图5是根据本公开第五实施例的示意图，本实施例提供一种待标注文本的确定方法，本实施例以单一问题为例，本实施例的方法包括：
501、获取多条文本。
502、基于预设的单一问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述单一问题的预测答案的置信度，所述置信度包括起始置信度和结束置信度。
其中，可以将每条文本分别输入到阅读理解模型中，从而获得每条文本对应的预测答案的置信度。
503、对应所述各条文本，确定所述起始置信度和所述结束置信度的差值的绝对值。
用公式表示可以为：
abs(start_pro-end_pro)；
其中，start_pro为起始置信度，end_pro为结束置信度，abs()为绝对值运算。
504、基于所述绝对值，确定所述多条文本中的待标注文本。
其中，可以将所述绝对值最大的文本，作为待标注文本。
比如，多条文本包括：第一文本和第二文本，第一文本对应的预测答案的置信度为[0.1,0.9]，其中，0.1表示起始置信度，0.9表示结束置信度；类似地，假设第二文本对应的预测答案的置信度为[0.5,0.6]。
由于abs(0.1-0.9)大于abs(0.5-0.6)，所以，第一文本为待标注文本。
一般来讲，待标注文本一般选择为边界文本，边界文本是指介于阅读理解模型能够区分与不能区分之间的文本，通过人工标注这些文本，可以让模型的学习能力得到进一步的提升。
而起始置信度和结束置信度的差值的绝对值最大时，表明对应的文本蕴含更多的信息，不确定性更强，其是边界文本的概率更大，将其作为待标注文本是合适的，从而可以获得更有效的待标注文本。
本实施例中，针对单一问题，可以基于起始置信度与结束置信度的差值的绝对值，确定待标注文本，提高待标注文本的有效性，进而可以提高开发效率，降低开发周期。另外，基于起始置信度和结束置信度进行处理，由于涉及了两个置信度，而不限于单一置信度，可以解决不常见的多个置信度场景下的待标注文本的确定问题。另外，将上述的绝对值最大的文本作为待标注文本，实现较为简单，适用范围广，相对于数据比对的方式，可以提高稳定性、避免数据波动。
图6是根据本公开第六实施例的示意图，本实施例提供一种待标注文本的确定方法，本实施例以多个问题为例，本实施例的方法包括：
601、获取多条文本。
602、基于预设的多个问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述多个问题的答案的置信度，所述置信度包括起始置信度和结束置信度。
其中，可以将每条文本分别输入到阅读理解模型中，从而获得每条文本对应的预测答案的置信度。
603、对应所述各条文本，基于所述内容为非空的答案的数量、所述起始置信度和所述结束置信度，以及，所述多个问题的数量，确定综合值。
其中，可以基于所述起始置信度和所述结束置信度的差值的绝对值，以及，所述多个问题的数量，确定所述绝对值的平均值；将所述内容为非空的答案的数量与所述绝对值的平均值之和，作为所述综合值。
用公式可以表示为：
其中，M为内容为非空的答案的数量，N为多个问题的数量，M可以为0、1、2等，N为大于或等于2的正整数，即，2、3等。
start_proi为第i个内容为非空的答案的起始置信度，end_proi为第i个内容为非空的答案的结束置信度。
其中，内容为非空的答案，可以基于起始置信度和结束置信度确定，比如，可以将起始置信度和结束置信度均为非零的预测答案作为内容为非空的答案。
604、基于所述综合值，确定所述多条文本中的待标注文本。
其中，可以将综合值最大的文本作为待标注文本。
比如，多条文本包括第一文本和第二文本，多个问题为4个问题，假设第一文本对应的4个问题的预测答案的置信度分别为：[0.2,0.1],[0,3,0.4],[0.8,0.9],[0.0,0.0]，第二文本对应的4个问题的预测答案的置信度分别为：[0.1,0.1],[0,4,0.4],[0.8,0.9],[0.0,0.0]。
基于上述示例：
对应第一文本，内容为非空的答案的数量＝3，第一文本对应的综合值＝3+(0.1+0.1+0.1+0)/4＝3.075；
对应第二文本，内容为非空的答案的数量＝3，第二文本对应的综合值＝3+(0+0+0.1+0)/4＝3.025。
由于3.075大于3.025，则选择第一文本为待标注文本。
上述的综合值越大时，表明对应的文本将蕴含更多的信息，不确定性更强，其是边界文本的概率更大，将其对应的文本作为待标注文本是合适的，从而可以获得更有效的待标注文本。
本实施例中，针对多个问题，可以基于内容为非空的答案的数量，以及起始置信度与结束置信度的差值的绝对值的平均值，确定待标注文本，提高待标注文本的有效性，进而可以提高开发效率，降低开发周期。另外，基于起始置信度和结束置信度进行处理，由于涉及了两个置信度，而不限于单一置信度，可以解决不常见的多个置信度场景下的待标注文本的确定问题。另外，将上述的综合值最大的文本作为待标注文本，实现较为简单，适用范围广，相对于数据比对的方式，可以提高稳定性、避免数据波动。另外，本实施例可以适用于一条文本对应多个问题的场景，从而可以针对一条文本，标注出多个问题的答案，可以降低所需的样本量。
图7是根据本公开第七实施例的示意图，本实施例提供一种待标注文本的确定装置。如图7所示，待标注文本的确定装置700包括：获取模块701、处理模块702和确定模块703。
获取模块701用于获取多条文本；处理模块702用于基于预设问题，对所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；确定模块703用于基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本。
本实施例中，通过基于预测答案的置信度确定待标注文本，相对于随机选择待标注文本的方式，可以提高有效性。
一些实施例中，若所述预设问题为预设的单一问题，所述置信度包括起始置信度和结束置信度，所述确定模块703进一步用于：对应所述各条文本，确定所述起始置信度与所述结束置信度的差值的绝对值；基于所述绝对值，确定所述多条文本中的待标注文本。
本实施例中，针对单一问题，可以基于起始置信度与结束置信度的差值的绝对值，确定待标注文本，提高待标注文本的有效性，进而可以提高开发效率，降低开发周期。另外，基于起始置信度和结束置信度进行处理，由于涉及了两个置信度，而不限于单一置信度，可以解决不常见的多个置信度场景下的待标注文本的确定问题。
一些实施例中，所述确定模块703进一步用于：将所述多条文本中的所述绝对值最大的文本，作为所述待标注文本。
将上述的绝对值最大的文本作为待标注文本，实现较为简单，适用范围广，相对于数据比对的方式，可以提高稳定性、避免数据波动。
一些实施例中，若所述预设问题为预设的多个问题，所述置信度包括起始置信度和结束置信度，所述预测答案包括：内容为非空的答案，所述确定模块703进一步用于：对应所述各条文本，基于所述内容为非空的答案的数量、所述起始置信度和所述结束置信度，以及，所述多个问题的数量，确定综合值；基于所述综合值，确定所述多条文本中的待标注文本。
本实施例中，针对多个问题，可以基于内容为非空的答案的数量，以及起始置信度与结束置信度的差值的绝对值的平均值，确定待标注文本，提高待标注文本的有效性，进而可以提高开发效率，降低开发周期。另外，基于起始置信度和结束置信度进行处理，由于涉及了两个置信度，而不限于单一置信度，可以解决不常见的多个置信度场景下的待标注文本的确定问题。
一些实施例中，所述确定模块703进一步用于：基于所述起始置信度和所述结束置信度的差值的绝对值，以及，所述多个问题的数量，确定所述绝对值的平均值；将所述内容为非空的答案的数量与所述绝对值的平均值之和，作为所述综合值。
基于上述的绝对值和平均值确定综合值，进而可以基于综合值确定待标注文本，实现较为简单，适用范围广，相对于数据比对的方式，可以提高稳定性、避免数据波动。
一些实施例中，所述确定模块703进一步用于：将所述多条文本中的所述综合值最大的文本，作为所述待标注文本。
上述的综合值越大时，表明对应的文本将蕴含更多的信息，不确定性更强，其是边界文本的概率更大，将其对应的文本作为待标注文本是合适的，从而可以获得更有效的待标注文本。
一些实施例中，所述置信度采用阅读理解模型对所述各条文本进行处理后获得，所述装置700还包括：训练模块，用于获得针对所述待标注文本的标注数据；以及，基于所述待标注文本和所述标注数据，训练所述阅读理解模型。
由于可以基于阅读理解模型，确定待标注文本，另外，还可以基于待标注文本对应的标注数据，对阅读理解模型进行训练，即，可以实现：标注数据->训练模型->推荐数据(确定待标注文本)->训练模型->推荐数据->循环，从而可以实现模型的不断迭代，提高待标注文本以及阅读理解模型的准确度。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
可以理解的是，本公开实施例中，不同实施例中的相同或相似内容可以相互参考。
可以理解的是，本公开实施例中的“第一”、“第二”等只是用于区分，不表示重要程度高低、时序先后等。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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、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，个人数字助理、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/或者要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如待标注文本的确定方法。例如，在一些实施例中，待标注文本的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述待标注文本的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行待标注文本的确定方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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组合。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组合。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("VirtualPrivateServer"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (11)
1.一种待标注文本的确定方法，包括：
获取多条文本；
基于预设问题，采用阅读理解模型对输入的所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；
基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本；
其中，所述确定所述多条文本中的待标注文本之后，所述方法还包括：
获得针对所述待标注文本的标注数据；
基于所述待标注文本和所述标注数据，训练所述阅读理解模型；
其中，若所述预设问题为预设的单一问题，所述置信度包括起始置信度和结束置信度，所述基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本，包括：对应所述各条文本，确定所述起始置信度与所述结束置信度的差值的绝对值；基于所述绝对值，确定所述多条文本中的待标注文本；或者，
若所述预设问题为预设的多个问题，所述置信度包括起始置信度和结束置信度，所述预测答案包括：内容为非空的答案，所述基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本，包括：对应所述各条文本，基于所述内容为非空的答案的数量、所述起始置信度和所述结束置信度，以及，所述多个问题的数量，确定综合值；基于所述综合值，确定所述多条文本中的待标注文本。
2.根据权利要求1所述的方法，其中，所述基于所述绝对值，确定所述多条文本中的待标注文本，包括：
将所述多条文本中的所述绝对值最大的文本，作为所述待标注文本。
3.根据权利要求1所述的方法，其中，所述基于所述内容为非空的答案的数量、所述起始置信度和所述结束置信度，以及，所述多个问题的数量，确定综合值，包括：
基于所述起始置信度和所述结束置信度的差值的绝对值，以及，所述多个问题的数量，确定所述绝对值的平均值；
将所述内容为非空的答案的数量与所述绝对值的平均值之和，作为所述综合值。
4.根据权利要求1所述的方法，其中，所述基于所述综合值，确定所述多条文本中的待标注文本，包括：
将所述多条文本中的所述综合值最大的文本，作为所述待标注文本。
5.一种待标注文本的确定装置，包括：
获取模块，用于获取多条文本；
处理模块，用于基于预设问题，采用阅读理解模型对输入的所述多条文本中各条文本进行处理，以获得所述各条文本针对所述预设问题的预测答案的置信度，所述置信度用于表明所述预测答案为真实答案的概率值；
确定模块，用于基于所述各条文本针对所述预设问题的预测答案的置信度，确定所述多条文本中的待标注文本；
其中，所述装置还包括：
训练模块，用于获得针对所述待标注文本的标注数据；以及，基于所述待标注文本和所述标注数据，训练所述阅读理解模型；
其中，若所述预设问题为预设的单一问题，所述置信度包括起始置信度和结束置信度，所述确定模块进一步用于：
对应所述各条文本，确定所述起始置信度与所述结束置信度的差值的绝对值；
基于所述绝对值，确定所述多条文本中的待标注文本；或者，
若所述预设问题为预设的多个问题，所述置信度包括起始置信度和结束置信度，所述预测答案包括：内容为非空的答案，所述确定模块进一步用于：
对应所述各条文本，基于所述内容为非空的答案的数量、所述起始置信度和所述结束置信度，以及，所述多个问题的数量，确定综合值；
基于所述综合值，确定所述多条文本中的待标注文本。
6.根据权利要求5所述的装置，其中，所述确定模块进一步用于：
将所述多条文本中的所述绝对值最大的文本，作为所述待标注文本。
7.根据权利要求5所述的装置，其中，所述确定模块进一步用于：
基于所述起始置信度和所述结束置信度的差值的绝对值，以及，所述多个问题的数量，确定所述绝对值的平均值；
将所述内容为非空的答案的数量与所述绝对值的平均值之和，作为所述综合值。
8.根据权利要求5所述的装置，其中，所述确定模块进一步用于：
将所述多条文本中的所述综合值最大的文本，作为所述待标注文本。
9.一种电子设备，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1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210106836.4A CN114490990B (zh) | 2022-01-28 | 2022-01-28 | 待标注文本的确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210106836.4A CN114490990B (zh) | 2022-01-28 | 2022-01-28 | 待标注文本的确定方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114490990A CN114490990A (zh) | 2022-05-13 |
| CN114490990B true CN114490990B (zh) | 2023-05-23 |
Family
ID=81477157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210106836.4A Active CN114490990B (zh) | 2022-01-28 | 2022-01-28 | 待标注文本的确定方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114490990B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116257613B (zh) * | 2023-02-10 | 2024-02-06 | 北京百度网讯科技有限公司 | 数据生产方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210021A (zh) * | 2019-05-22 | 2019-09-06 | 北京百度网讯科技有限公司 | 阅读理解方法及装置 |
| CN111160568A (zh) * | 2019-12-27 | 2020-05-15 | 北京百度网讯科技有限公司 | 机器阅读理解模型训练方法、装置、电子设备和存储介质 |
| CN111625635A (zh) * | 2020-05-27 | 2020-09-04 | 北京百度网讯科技有限公司 | 问答处理、语言模型的训练方法、装置、设备及存储介质 |
| CN112632265A (zh) * | 2021-03-10 | 2021-04-09 | 北京沃丰时代数据科技有限公司 | 智能机器阅读理解方法、装置、电子设备及存储介质 |
| WO2021184311A1 (zh) * | 2020-03-19 | 2021-09-23 | 中山大学 | 一种自动生成可推理问答的方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110309305B (zh) * | 2019-06-14 | 2021-05-11 | 中国电子科技集团公司第二十八研究所 | 基于多任务联合训练的机器阅读理解方法及计算机存储介质 |
| CN110737763A (zh) * | 2019-10-18 | 2020-01-31 | 成都华律网络服务有限公司 | 一种融合知识图谱和深度学习的中文智能问答系统及方法 |
-
2022
- 2022-01-28 CN CN202210106836.4A patent/CN114490990B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210021A (zh) * | 2019-05-22 | 2019-09-06 | 北京百度网讯科技有限公司 | 阅读理解方法及装置 |
| CN111160568A (zh) * | 2019-12-27 | 2020-05-15 | 北京百度网讯科技有限公司 | 机器阅读理解模型训练方法、装置、电子设备和存储介质 |
| WO2021184311A1 (zh) * | 2020-03-19 | 2021-09-23 | 中山大学 | 一种自动生成可推理问答的方法和装置 |
| CN111625635A (zh) * | 2020-05-27 | 2020-09-04 | 北京百度网讯科技有限公司 | 问答处理、语言模型的训练方法、装置、设备及存储介质 |
| CN112632265A (zh) * | 2021-03-10 | 2021-04-09 | 北京沃丰时代数据科技有限公司 | 智能机器阅读理解方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114490990A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116127020A (zh) | 生成式大语言模型训练方法以及基于模型的搜索方法 | |
| CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
| CN114494784A (zh) | 深度学习模型的训练方法、图像处理方法和对象识别方法 | |
| CN115099239B (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
| CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
| CN113657395A (zh) | 文本识别方法、视觉特征提取模型的训练方法及装置 | |
| CN114490990B (zh) | 待标注文本的确定方法、装置、设备和存储介质 | |
| CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
| CN115292467B (zh) | 信息处理与模型训练方法、装置、设备、介质及程序产品 | |
| CN111460822A (zh) | 主题扩展的方法、装置、设备和存储介质 | |
| CN114238611B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
| CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
| CN113961672A (zh) | 信息标注方法、装置、电子设备和存储介质 | |
| CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
| CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
| CN112784600A (zh) | 信息排序方法、装置、电子设备和存储介质 | |
| CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
| CN112541346A (zh) | 摘要生成方法、装置、电子设备及可读存储介质 | |
| CN112560437A (zh) | 文本通顺度的确定方法、目标模型的训练方法及装置 | |
| CN110990528A (zh) | 一种问答方法、装置及电子设备 | |
| CN116628167B (zh) | 一种响应确定方法、装置、电子设备及存储介质 | |
| CN114281981B (zh) | 新闻简报的生成方法、装置和电子设备 | |
| CN112784591B (zh) | 数据的处理方法、装置、电子设备和存储介质 | |
| CN114330345B (zh) | 命名实体识别方法、训练方法、装置、电子设备及介质 | |
| CN113360712B (zh) | 视频表示的生成方法、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 |