CN114861820A - 样本数据筛选方法、模型训练方法、装置及电子设备 - Google Patents

Abstract

本公开提供了一种样本数据筛选方法、模型训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及人工智能中的深度学习和智能搜索技术领域，具体实现方案包括：从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；将所述第一标注信息与每一个第二标注信息进行匹配；在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

Description

样本数据筛选方法、模型训练方法、装置及电子设备

技术领域

本公开涉及人工智能技术领域，尤其涉及人工智能中的深度学习和智能搜索技术领域，具体涉及一种样本数据筛选方法、模型训练方法、装置及电子设备。

背景技术

随着人工智能技术的发展，携带有标注信息的样本数据的在人工智能中的应用也越来越广泛，而上述标注信息的准确度也越来越被人们所关注，通常需要将准确度较低的标注信息对应的样本数据筛选出来，而在当前的使用过程中，通常采用人工筛选上述准确度较低的标注信息对应的样本数据。

发明内容

本公开提供了一种样本数据筛选方法、模型训练方法、装置及电子设备。

根据本公开的第一方面，提供了一种样本数据筛选方法，包括：

从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；

将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；

将所述第一标注信息与每一个第二标注信息进行匹配；

在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

根据本公开的第二方面，提供了一种模型训练方法，包括：

从样本池中获取样本数据，所述样本数据携带有第一标注信息；

将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数；

将所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配；

将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

根据本公开的第三方面，提供了一种样本数据筛选装置，包括：

第一获取模块，用于从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；

第一标注模块，用于将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；

第一匹配模块，用于将所述第一标注信息与每一个第二标注信息进行匹配；

第一确定模块，用于在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

根据本公开的第四方面，提供了一种模型训练装置，包括：

第五获取模块，用于从样本池中获取样本数据，所述样本数据携带有第一标注信息；

第六标注模块，用于将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数；

第二匹配模块，用于将所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配；

第五确定模块，用于将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面或者第二方面中的任一项方法。

根据本公开的第六方面，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，该计算机指令用于使计算机执行第一方面或者第二方面中的任一项方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面或者第二方面中的任一项方法。

本公开实施例中，可以将第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，且在N个第二标注信息与第一标注信息匹配成功的个数大于或者等于第一阈值时，可以将第一样本数据确定为第一目标样本数据，从而通过N个信息标注模型完成了对第一样本数据的筛选，得到了第一标注信息的准确度较低的第一目标样本数据，无需通过人工对第一样本数据进行筛选，提高了第一样本数据筛选的效率和准确度。

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

图1是本公开实施例提供的样本数据筛选方法的流程示意图；

图2是本公开实施例提供的模型训练方法的流程示意图；

图3是本公开实施例提供的样本数据筛选方法和模型训练方法的流程示意图；

图4是本公开实施例提供的样本数据筛选装置的结构示意图之一；

图5是本公开实施例提供的样本数据筛选装置的结构示意图之二；

图6是本公开实施例提供的样本数据筛选装置的结构示意图之三；

图7是本公开实施例提供的样本数据筛选装置的结构示意图之四；

图8是本公开实施例提供的样本数据筛选装置的结构示意图之五；

图9是本公开实施例提供的样本数据筛选装置的结构示意图之六；

图10是本公开实施例提供的模型训练装置的结构示意图之一；

图11是本公开实施例提供的模型训练装置的结构示意图之二；

图12是用来实施本公开的实施例的示例电子设备的示意性框图。

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。

参见图1，图1为本公开实施例提供的一种样本数据筛选方法的流程图，如图1所示，样本数据筛选方法包括以下步骤：

步骤S101、从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息。

其中，样本池可以用于存储各种样本数据，样本数据在样本池中的存储和排序方式在此不做限定，例如：样本数据可以在样本池中按照样本归属种类进行排序和存储，上述样本归属种类可以按照样本数据的说话人的身份、性别和编号等信息中的至少一种确定。

其中，第一样本数据的具体类型在此不做限定，可选地，第一样本数据可以为语音数据或者视频数据，例如：第一样本数据可以为语音通话录音数据。

其中，第一标注信息的具体类型在此也不做限定，可选地，第一标注信息可以用于表示第一样本数据的各项参数，上述参数可以包括第一样本数据中说话人的身份、性别、年龄等信息，上述参数还可以包括第一样本数据的场景等信息。

例如：当上述参数包括说话人的身份信息时，则第一标注信息可以用于表示第一样本数据的说话人的身份可以为坐席或者用户；当上述参数包括第一样本数据的场景信息时，第一标注信息可以用于表示第一样本数据的场景信息可以为对话场景或者命名实体识别(Named Entity Recognition，NER)等信息。

其中，第一标注信息可以为电子设备标注的信息，例如：电子设备对第一样本数据进行标注，从而得到上述第一标注信息。

需要说明的是，样本池中的样本数据的确定方式在此不做限定。

作为一种可选的实施方式，还包括：

获取待验收样本集，其中，所述待验收样本集中包括K个携带有标注信息的第三样本数据，K为正整数；

从所述待验收样本集中抽取H个第三样本数据，H为小于K的正整数；

在H个第三样本数据的标注信息符合预设条件的情况下，将所述待验收样本集包括的K个第三样本数据保存至所述样本池中。

其中，待验收样本集可以属于待标注样本数据中的一部分数据，而待验收样本集中的样本数据可以由电子设备进行标注，以得到验收样本集中的样本数据的标注信息。

其中，预设条件在此不做限定，预设条件可以包括：H个第三样本数据中每个第三样本数据的标注信息的准确度均大于第一预设阈值，或者，H个第三样本数据的标注信息与实际标注信息匹配成功的数量大于第二预设阈值。

本公开实施方式中，当H个第三样本数据的标注信息符合预设条件时，表明待验收样本集包括的K个第三样本数据的标注信息正确的可能性较大，从而可以将待验收样本集包括的K个第三样本数据保存至样本池中，与对待验收样本集包括的每一个第三样本数据均进行验收的方式相比，本实施方式可以降低验收的工作量和成本，提高对待验收样本集包括的K个第三样本数据的验收效率。

需要说明的是，待验收样本集的数量可以为多个，且每一个待验收样本集包括的数据可以被称作为一批样本数据。

作为一种可选的实施方式，还包括：

从待标注样本数据中获取J个目标待标注样本数据；

对所述J个目标待标注样本数据进行标注；

在所述J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值的情况下，对所述待标注样本数据进行标注，以得到所述待验收样本集。

需要说明的是，由于待验收样本集中的样本数据可以由电子设备进行标注，因此，为了检验电子设备是否掌握对样本数据进行标注的标准，可以先从待标注样本数据中获取J个目标待标注样本数据，然后让电子设备对J个目标待标注样本数据进行标注，当J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值时，可以表示电子设备已经掌握对样本数据进行标注的标准，此时可以使得电子设备对待标注样本数据进行标注，以得到待验收样本集。

本公开实施方式中，可以先选取J个目标待标注样本数据进行试标，当J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值时，可以表示试标通过，此时可以对待标注样本数据进行标注，以得到待验收样本集，从而可以提高待验收样本集包括的样本数据的标注信息的准确度。

步骤S102、将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数。

其中，N个信息标注模型可以采用与第一样本数据属于同源数据的样本数据进行训练得到的模型，上述同源数据可以指的是：与第一样本数据属于同一个说话人的数据或者属于同一场景下的数据。

另外，N个信息标注模型的训练方法可以参见图2所示实施例中的训练方法，具体在此不再赘述。

作为一种可选的实施方式，上述方法还包括：

确定所述第一样本数据的样本归属种类；

根据所述样本归属种类确定所述N个信息标注模型，其中，不同的样本归属种类对应的信息标注模型不同。

其中，样本归属种类可以理解为第一样本数据在样本池中储存位置对应的样本归属种类，即样本池中可以按照样本归属种类对样本数据进行存储，而每一个样本数据均存储在对应的样本归属种类的所属位置中。

本公开实施方式中，不同的样本归属种类对应的信息标注模型不同，这样，根据第一样本数据的样本归属种类确定对应的N个信息标注模型，使得N个信息标注模型对第一样本数据进行信息标注时，得到的第二标注信息的准确度更高。

步骤S103、将所述第一标注信息与每一个第二标注信息进行匹配。

其中，第一标注信息与第二标注信息进行匹配的方式在此不做限定，例如：可以直接将第一标注信息与第二标注信息的内容进行匹配，根据两者重合的内容来确定匹配度，两者重合的内容越多，则匹配度越高。

还例如：可以对第一标注信息和第二标注信息进行归一化处理，即将第一标注信息和第二标注信息按照同一标准维度进行转化，并根据转化后的第一标注信息和转化后的第二标注信息之间的误差来确定匹配度，转化后的第一标注信息和转化后的第二标注信息之间的误差越小，则匹配度越高。

步骤S104、在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

其中，当N个第二标注信息中与第一标注信息匹配成功的个数越多，则表明第一样本数据的第一标注信息的准确度越高，对应的，当N个第二标注信息中与第一标注信息匹配成功的个数越少，则表明第一样本数据的第一标注信息的准确度越低，因此，当N个第二标注信息中与第一标注信息匹配成功的个数小于或等于第一阈值时，则可以将第一样本数据确定为第一标注信息错误的第一目标样本数据。

需要说明的是，在N个第二标注信息中与第一标注信息匹配成功的个数大于第一阈值时，表明N个信息标注模型的准召效果(即准确度和召回度)较好，则不需要执行将第一样本数据确定为第一目标样本数据的步骤，也不用对第一目标样本数据进行重新标注。

需要说明的是，当确定第一目标样本数据之后，还可以对第一目标样本数据进行目标处理，上述目标处理可以包括以下处理方式中的一种：对第一目标样本数据进行重新标注，对第一目标样本数据的第一标注信息进行修正，以及对第一目标样本数据进行删除。

例如：作为一种可选的实施方式，上述方法还包括：

对第一目标样本数据进行重新标注；

将重新标注后的第一目标样本数据保存至样本池中。

其中，可以让电子设备对第一目标样本数据进行重新标注，这样，可以减少电子设备对样本数据进行标注的工作量，同时，也能提高样本数据的标注信息的准确度。

其中，重新标注后的第一目标样本数据可以保存至样本池中，这样，重新标注后的第一目标样本数据在下次被从样本池中获取时，也可以被称作为第一样本数据，且第一目标样本数据在被获取后，还可以用于对模型进行训练等。

本公开实施方式中，筛选得到第一标注信息的准确度较低的第一目标样本数据后，还可以对第一目标样本数据进行重新标注后，并将重新标注后的第一目标样本数据保存至样本池中，从而可以增加样本池中标注信息的准确度较高的样本数据的数量。

作为一种可选的实施方式，还包括：

从所述样本池中获取第二样本数据，所述第二样本数据未携带有标注信息，且所述第二样本数据的样本归属种类为目标种类；

将所述第二样本数据输入至所述N个信息标注模型中进行信息标注，输出N个第三标注信息；

在所述N个第三标注信息表示为所述目标种类的个数大于或者等于第二阈值，且小于或等于第三阈值的情况下，将所述第二样本数据确定为第二目标样本数据。

其中，第三标注信息表示为目标种类的标注信息可以被称作为正样本标签，第三标注信息表示为非目标种类的标注信息可以被称作为负样本标签。

其中，第三标注信息可以用于表示第二样本数据的种类，而目标种类可以指的是第二样本数据在样本池中储存位置对应的样本归属种类，即样本池中可以按照样本归属种类对样本数据进行存储，而第二样本数据存储在目标种类对应的位置中。

需要说明的是，目标种类的获取方式可以参见以下表述，作为一种可选的方式，可以在获取第二样本数据时，样本池生成用于表示第二样本数据的样本归属种类为目标种类的种类信息，使得可以同时获取到第二样本数据和种类信息；作为另一种可选的方式，用于表示第二样本数据的样本归属种类为目标种类的种类信息可以为预先生成的信息，第二样本数据可以携带有上述种类信息，这样，在获取到第二样本数据的同时，即可获取到上述种类信息。

其中，当N个第三标注信息表示为目标种类的个数大于或者等于第二阈值，且小于或等于第三阈值时，表明第二样本数据的样本归属种类为目标种类的置信度较低，即第二目标样本数据可以被称作为未置信样本或者未置信样本数据，说明此时第二样本数据在样本池中的存储位置可能错误。

本公开实施方式中，当第二样本数据未携带有标注信息时，通过N个信息标注模型同样可以筛选得到未置信样本，即无需对第二样本数据进行标注即可筛选得到未置信样本，降低了标注的工作量和标注成本，且可以提高未置信样本的筛选效率和准确度。

需要说明的是，可选地，在所述N个第三标注信息表示为所述目标种类的个数小于或者等于第二阈值，或者大于或等于第三阈值的情况下，将所述第二样本数据确定为置信样本。这样，可以提高置信样本的筛选效率和准确度。

作为一种可选的实施方式，上述方法还包括：

对第二目标样本数据进行重新标注；

将重新标注后的第二目标样本数据保存至所述样本池中。

其中，重新标注后的第二目标样本数据可以保存至样本池中，这样，重新标注后的第二目标样本数据在下次被从样本池中获取时，也可以被称作为第二样本数据，且第二目标样本数据在被获取后，还可以用于对模型进行训练等。

本公开实施方式中，筛选得到第二目标样本数据后，还可以对第二目标样本数据进行重新标注后，并将重新标注后的第二目标样本数据保存至样本池中，从而可以增加样本池中标注信息的准确度较高的样本数据的数量；同时，可以先筛选得到置信度较低的第二目标样本数据，然后对第二目标样本数据进行重新标注，与需要对全部第二样本数据进行标注的方式相比，本实施方式可以减少标注的工作量。

需要说明的是，第一目标样本数据和第二目标样本数据中的一者可以进行重新标注，也可以两者同时均进行重新标注，具体表述方式可以参见以下表述方式。

作为一种可选的实施方式，上述方法还包括：

对所述第一目标样本数据和所述第二目标样本数据中的至少一者进行重新标注；

将重新标注后的第一目标样本数据或者重新标注后的第二目标样本数据保存至所述样本池中。

本公开实施方式中，将重新标注后的第一目标样本数据或者第二目标样本数据保存至样本池中，从而可以增加样本池中标注信息的准确度较高的样本数据的数量；同时，与对全部的第一样本数据和第二样本数据进行标注的方式相比，本实施方式可以降低标注的工作量和成本。

需要说明的是，由于不同样本归属种类对应的信息标注模型确定的第一目标样本数据可能存在重合，因此，可以对不同样本归属种类对应的信息标注模型确定的第一目标样本数据进行合并去重，然后对合并去重之后的第一目标样本数据进行重新标注。

本公开实施例中，通过步骤S101至S104，可以将第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，且在N个第二标注信息与第一标注信息匹配成功的个数大于或者等于第一阈值时，可以将第一样本数据确定为第一目标样本数据，从而通过N个信息标注模型完成了对第一样本数据的筛选，得到了第一标注信息的准确度较低的第一目标样本数据，无需通过人工对第一样本数据进行筛选，提高了第一样本数据筛选的效率和准确度。

参见图2，图2为本公开实施例提供的一种模型训练方法的流程图，本公开实施例训练得到的信息标注模型可以理解为上述实施例中的信息标注模型，如图2所示，模型训练方法，包括以下步骤：

步骤S201、从样本池中获取样本数据，所述样本数据携带有第一标注信息。

其中，样本池和第一标注信息均可以参见上述实施例中的相关表述，而样本数据可以参见上述实施例中第一样本数据的相关表述，在此不再赘述。

步骤S202、将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数。

步骤S203、所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配。

步骤S204、将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

其中，第一标注信息与第二标注信息进行匹配的方式在此不做限定，作为一种可选的实施方式，根据第一标注信息与第二标注信息的内容的重合度来确定匹配度，作为另一种可选的实施方式，可以将第一标注信息与第二标注信息进行归一化处理，然后计算归一化处理后的第一标注信息与归一化处理后的第二标注信息之间的误差，当误差越小，则可以说明第一标注信息与第二标注信息的匹配度越高，当匹配度超过预设匹配度阈值时，则可以说明匹配成功，反之，则匹配失败。

需要说明的是，上述归一化处理后的第一标注信息与归一化处理后的第二标注信息之间的误差也可以被理解为损失函数，当损失函数位于预设区间范围内，则可以说明第一标注信息与第二标注信息匹配成功，此时待训练模型收敛。

作为一种可选的实施方式，还包括：

确定所述样本数据的样本归属种类；

根据所述样本归属种类确定所述N个待训练模型，其中，不同的样本归属种类对应的待训练模型不同。

本公开实施方式中，根据样本数据的样本归属种类确定所述N个待训练模型，从而可以使得待训练模型输出的样本数据的标注信息的准确度更高。

本公开实施例中，通过步骤S201至S204训练得到的信息标注模型可以准确的筛选得到标注信息的准确度较低的样本数据，无需通过人工对样本数据进行筛选，提高了样本数据筛选的效率和准确度。

参见图3，图3为本公开实施例提供的一个具体的实施例，用来解释说明上述实施例，参见图3，包括以下步骤：

步骤S301、确定待标注样本数据T，其中，待标注样本数据T也可以被称作为待标注数据集T。

其中，可以从待标注样本数据T选择少量样本数据进行试标，在试标通过的情况下，执行步骤S302。

试标过程即：从待标注样本数据中获取J个目标待标注样本数据，对J个目标待标注样本数据进行标注，并对标注结果进行审核；在J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值时，确定试标通过，然后执行步骤S302。

步骤S302、众测标注；

其中，众测标注即对待标注样本数据进行标注，以得到待验收样本集，而每个待验收样本集中包括K个携带有标注信息的第三样本数据。

其中，每个待验收样本集可以理解为一批第三样本数据，而待验收样本集的个数可以为多个。

步骤S303、对待验收样本集进行验收；

其中，当待验收样本集中抽取的H个第三样本数据的标注信息符合预设条件时，验收通过，执行步骤S304，否则返回执行步骤S302，即对待验收样本集中包括的第三样本数据重新进行标注；

步骤S304、将待验收样本集包括的K个第三样本数据保存至样本池中，以构成数据集C的一部分；

其中，数据集C中的数据可以分为多个样本归属种类进行存储，而参见图3，数据集C中的数据可以分为样本归属种类1、样本归属种类2、样本归属种类3、样本归属种类4和样本归属种类5总共5个样本归属种类，而样本归属种类也可以被称作为子类。

其中，每个样本归属种类可以训练有N个信息标注模型，例如：每个样本归属种类可以训练有5个信息标注模型，训练过程可以为：采用交叉验证的思路，将该样本归属种类中的样本数据随机划分为5折，每次选4折进行训练，从而得到5个模型，而样本归属种类的个数为n时，则模型的总数量可以为5n个。

步骤S305、判断某个样本归属种类中的N个信息标注模型的平均准召是否达标，达标，则执行步骤S306，不达标，则执行步骤S307。

步骤S306、确定该样本归属种类中的N个信息标注模型可用，不用后续操作；

步骤S307、通过该样本归属种类中的N个信息标注模型对数据集C中的数据的标注信息进行验证，或者，通过该样本归属种类中的N个信息标注模型对数据集T-C中的数据进行筛选；

其中，步骤S307可以包括以下两个步骤：

步骤S3071、利用N个信息标注模型对数据集C中的数据的标注信息进行验证，执行上述实施例S101至S104的步骤，即执行验证第一样本数据是否为第一目标样本数据的步骤，从而筛选得到第一目标样本数据；

步骤S3072、通过该样本归属种类中的N个信息标注模型对数据集T-C中的数据进行筛选，即执行筛选第二样本数据是否为第二目标样本数据的步骤，从而筛选得到第二目标样本数据；

其中，T-C中的数据指的是待标注样本数据T中除去数据集C中的数据后的数据。

步骤S308、对筛选得到的第一目标样本数据和第二目标样本数据中的至少一者进行重新标注，变将重新标注后的数据保存至数据集C中，即保存至样本池中。

本公开实施例中，通过图3所示的实施例同样可以无需通过人工对样本数据进行筛选，提高了样本数据筛选的效率和准确度。

参见图4，图4为本公开实施例提供的一种样本数据筛选装置的结构示意图，如图4所示，样本数据筛选装置400，包括：

第一获取模块401，用于从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；

第一标注模块402，用于将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；

第一匹配模块403，用于将所述第一标注信息与每一个第二标注信息进行匹配；

第一确定模块404，用于在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

可选地，参见图5，样本数据筛选装置400，还包括：

第二获取模块405，用于从所述样本池中获取第二样本数据，所述第二样本数据未携带有标注信息，且所述第二样本数据的样本归属种类为目标种类；

第二标注模块406，用于将所述第二样本数据输入至所述N个信息标注模型中进行信息标注，输出N个第三标注信息；

第二确定模块407，用于在所述N个第三标注信息表示为所述目标种类的个数大于或者等于第二阈值，且小于或等于第三阈值的情况下，将所述第二样本数据确定为第二目标样本数据。

可选地，参见图6，样本数据筛选装置400，还包括：

第三确定模块408，用于确定所述第一样本数据的样本归属种类；

第四确定模块409，用于根据所述样本归属种类确定所述N个信息标注模型，其中，不同的样本归属种类对应的信息标注模型不同。

可选地，参见图7，样本数据筛选装置400，还包括：

第三获取模块410，用于获取待验收样本集，其中，所述待验收样本集中包括K个携带有标注信息的第三样本数据，K为正整数；

抽取模块411，用于从所述待验收样本集中抽取H个第三样本数据，H为小于K的正整数；

第一保存模块412，用于在H个第三样本数据的标注信息符合预设条件的情况下，将所述待验收样本集包括的K个第三样本数据保存至所述样本池中。

可选地，参见图8，样本数据筛选装置400，还包括：

第四获取模块413，用于从待标注样本数据中获取J个目标待标注样本数据；

第三标注模块414，用于对所述J个目标待标注样本数据进行标注；

第四标注模块415，用于在所述J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值的情况下，对所述待标注样本数据进行标注，以得到所述待验收样本集。

可选地，参见图9，样本数据筛选装置400，还包括：

第五标注模块416，用于对所述第一目标样本数据和所述第二目标样本数据中的至少一者进行重新标注；

第二保存模块417，用于将重新标注后的第一目标样本数据或者重新标注后的第二目标样本数据保存至所述样本池中。

本公开提供的样本数据筛选装置400能够实现样本数据筛选方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

参见图10，图10为本公开实施例提供的一种模型训练装置的结构示意图，如图10所示，模型训练装置1000，包括：

第五获取模块1001，用于从样本池中获取样本数据，所述样本数据携带有第一标注信息；

第六标注模块1002，用于将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数；

第二匹配模块1003，用于将所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配；

第五确定模块1004，用于将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

可选地，参见图11，模型训练装置1000，还包括：

第六确定模块1005，用于确定所述样本数据的样本归属种类；

第七确定模块1006，用于根据所述样本归属种类确定所述N个待训练模型，其中，不同的样本归属种类对应的待训练模型不同。

本公开提供的模型训练装置1000能够实现模型训练方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

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12示出了可以用来实施本公开的实施例的示例电子设备1200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、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/或者要求的本公开的实现。

如图12所示，设备1200包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200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1201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1201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1201执行上文所描述的各个方法和处理，例如样本数据筛选方法或者模型训练方法。例如，在一些实施例中，样本数据筛选方法或者模型训练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1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的样本数据筛选方法或者模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行样本数据筛选方法或者模型训练方法。

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)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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，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 (19)

1.一种样本数据筛选方法，包括：

从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；

将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；

将所述第一标注信息与每一个第二标注信息进行匹配；

在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

2.根据权利要求1所述的方法，还包括：

从所述样本池中获取第二样本数据，所述第二样本数据未携带有标注信息，且所述第二样本数据的样本归属种类为目标种类；

将所述第二样本数据输入至所述N个信息标注模型中进行信息标注，输出N个第三标注信息；

在所述N个第三标注信息表示为所述目标种类的个数大于或者等于第二阈值，且小于或等于第三阈值的情况下，将所述第二样本数据确定为第二目标样本数据。

3.根据权利要求1所述的方法，还包括：

确定所述第一样本数据的样本归属种类；

根据所述样本归属种类确定所述N个信息标注模型，其中，不同的样本归属种类对应的信息标注模型不同。

4.根据权利要求1至3中任一项所述的方法，还包括：

获取待验收样本集，其中，所述待验收样本集中包括K个携带有标注信息的第三样本数据，K为正整数；

从所述待验收样本集中抽取H个第三样本数据，H为小于K的正整数；

在H个第三样本数据的标注信息符合预设条件的情况下，将所述待验收样本集包括的K个第三样本数据保存至所述样本池中。

5.根据权利要求4所述的方法，还包括：

从待标注样本数据中获取J个目标待标注样本数据；

对所述J个目标待标注样本数据进行标注；

在所述J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值的情况下，对所述待标注样本数据进行标注，以得到所述待验收样本集。

6.根据权利要求2所述的方法，还包括：

对所述第一目标样本数据和所述第二目标样本数据中的至少一者进行重新标注；

将重新标注后的第一目标样本数据或者重新标注后的第二目标样本数据保存至所述样本池中。

7.一种模型训练方法，包括：

从样本池中获取样本数据，所述样本数据携带有第一标注信息；

将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数；

将所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配；

将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

8.根据权利要求7所述的方法，还包括：

确定所述样本数据的样本归属种类；

根据所述样本归属种类确定所述N个待训练模型，其中，不同的样本归属种类对应的待训练模型不同。

9.一种样本数据筛选装置，包括：

第一获取模块，用于从样本池中获取第一样本数据，所述第一样本数据携带有第一标注信息；

第一标注模块，用于将所述第一样本数据输入至N个信息标注模型中进行信息标注，输出N个第二标注信息，所述N个信息标注模型为预先训练的用于对所述第一样本数据进行信息标注的N个不同的网络模型，N为正整数；

第一匹配模块，用于将所述第一标注信息与每一个第二标注信息进行匹配；

第一确定模块，用于在所述N个第二标注信息中与所述第一标注信息匹配成功的个数小于或者等于第一阈值的情况下，将所述第一样本数据确定为第一目标样本数据。

10.根据权利要求9所述的装置，还包括：

第二获取模块，用于从所述样本池中获取第二样本数据，所述第二样本数据未携带有标注信息，且所述第二样本数据的样本归属种类为目标种类；

第二标注模块，用于将所述第二样本数据输入至所述N个信息标注模型中进行信息标注，输出N个第三标注信息；

第二确定模块，用于在所述N个第三标注信息表示为所述目标种类的个数大于或者等于第二阈值，且小于或等于第三阈值的情况下，将所述第二样本数据确定为第二目标样本数据。

11.根据权利要求9所述的装置，还包括：

第三确定模块，用于确定所述第一样本数据的样本归属种类；

第四确定模块，用于根据所述样本归属种类确定所述N个信息标注模型，其中，不同的样本归属种类对应的信息标注模型不同。

12.根据权利要求9至11中任一项所述的装置，还包括：

第三获取模块，用于获取待验收样本集，其中，所述待验收样本集中包括K个携带有标注信息的第三样本数据，K为正整数；

抽取模块，用于从所述待验收样本集中抽取H个第三样本数据，H为小于K的正整数；

第一保存模块，用于在H个第三样本数据的标注信息符合预设条件的情况下，将所述待验收样本集包括的K个第三样本数据保存至所述样本池中。

13.根据权利要求12所述的装置，还包括：

第四获取模块，用于从待标注样本数据中获取J个目标待标注样本数据；

第三标注模块，用于对所述J个目标待标注样本数据进行标注；

第四标注模块，用于在所述J个目标待标注样本数据的标注信息正确的个数大于或等于第四阈值的情况下，对所述待标注样本数据进行标注，以得到所述待验收样本集。

14.根据权利要求10所述的装置，还包括：

第五标注模块，用于对所述第一目标样本数据和所述第二目标样本数据中的至少一者进行重新标注；

第二保存模块，用于将重新标注后的第一目标样本数据或者重新标注后的第二目标样本数据保存至所述样本池中。

15.一种模型训练装置，包括：

第五获取模块，用于从样本池中获取样本数据，所述样本数据携带有第一标注信息；

第六标注模块，用于将所述样本数据输入至N个待训练模型中进行信息标注，输出N个第二标注信息，N为正整数；

第二匹配模块，用于将所述第一标注信息与每一个待训练模型输出的第二标注信息进行匹配；

第五确定模块，用于将与所述第一标注信息匹配成功的第二标注信息对应的待训练模型确定为信息标注模型。

16.根据权利要求15所述的装置，还包括：

第六确定模块，用于确定所述样本数据的样本归属种类；

第七确定模块，用于根据所述样本归属种类确定所述N个待训练模型，其中，不同的样本归属种类对应的待训练模型不同。

17.一种电子设备，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1-6中任一项所述的方法，或者，以使所述至少一个处理器能够执行权利要求7或8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1-6中任一项所述的方法，或者，所述计算机指令用于使所述计算机执行根据权利要求7或8所述的方法。

19.一种计算机程序产品，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1-6中任一项所述的方法，或者，所述计算机程序在被处理器执行时实现根据权利要求7或8所述的方法。

Images