CN115952403A - 评估对象性能的方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种评估对象性能的方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理领域。具体实现方案为：利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标；根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本；确定与原始文本数据对应的参考证据文本；以及根据原始证据文本和参考证据文本，确定目标对象的性能指标，以评估目标对象的性能。

Description

评估对象性能的方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自然语言处理领域，更具体地，本公开提供了一种评估对象性能的方法、装置、电子设备、存储介质以及计算机程序产品。

背景技术

深度学习模型在很多自然语言处理任务上已经取得较大成功，但其常被当作一个黑盒使用，模型内部处理机制对使用者是不透明的。这使得深度学习模型的输出结果不被使用者信任，增加了落地难度，尤其在医疗、法律等特殊领域。同时，当模型出现效果不好或鲁棒性差等问题时，由于不了解其内部处理机制，很难对模型进行改进优化。

发明内容

本公开提供了一种评估对象性能的方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种评估对象性能的方法，包括：利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标；根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本；确定与原始文本数据对应的参考证据文本；以及根据原始证据文本和参考证据文本，确定目标对象的性能指标，以评估目标对象的性能。

根据本公开的另一方面，提供了一种评估对象性能的装置，包括：重要性确定模块、原始证据确定模块、参考证据确定模块以及性能确定模块。重要性确定模块用于利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标。原始证据确定模块用于根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本。参考证据确定模块用于确定与原始文本数据对应的参考证据文本。性能确定模块用于根据原始证据文本和参考证据文本，确定目标对象的性能指标，以评估目标对象的性能。

根据本公开的另一个方面，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，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本公开提供的方法。

根据本公开的另一个方面，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，计算机指令用于使计算机执行本公开提供的方法。

根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开提供的方法。

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是根据本公开实施例的评估对象性能的方法和装置的应用场景示意图；

图2是根据本公开实施例的评估对象性能的方法的示意流程图；

图3A是根据本公开另一实施例的评估对象性能的方法的示意流程图；

图3B是根据本公开另一实施例的评估对象性能的方法的示意原理图；

图4A是根据本公开另一实施例的评估对象性能的方法的示意流程图；

图4B是根据本公开另一实施例的评估对象性能的方法的示意原理图；

图5是根据本公开实施例的评估对象性能的装置的示意结构框图；以及

图6是用来实施本公开实施例的评估对象性能的方法的电子设备的结构框图。

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。

图1是根据本公开实施例的评估对象性能的方法和装置的应用场景示意图。

需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如生成的目标对象的性能指标数值等)反馈给终端设备。

需要说明的是，本公开实施例所提供的评估对象性能的方法一般可以由服务器105执行。相应地，本公开实施例所提供的评估对象性能的装置一般可以设置于服务器105中。本公开实施例所提供的评估对象性能的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的评估对象性能的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2是根据本公开实施例的评估对象性能的方法的示意流程图。

如图2所示，该评估对象性能的方法200可以包括操作S210～操作S240。

在操作S210，利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标。

例如，目标对象可以包括深度学习模型，深度学习模型可以是用于实现自然语言处理(Natural Language Process，NLP)任务的模型，自然语言处理任务例如可以包括情感分析、文本相似度计算和阅读理解等任务，情感分析表示分析情感的正向和负向，文本相似度计算可以包括确定相似和不相似的结果或者相似度值，阅读理解可以包括根据从候选文本中确定出针对问题文本的答复文本。深度学习模型可以是BERT等，本公开实施例对深度学习模型不做限定。

又例如，目标对象还可以包括模型解释方法，模型解释法方法用于对深度学习模型的原理或者输出结果的依据做出解释。模型解释法方法例如可以包括基于注意力机制(Attention Based)的算法、积分梯度算法(Integrated Gradients)、LIME(LocalInterpretable Model-agnostic Explanations)、SHAP(SHapley Additive exPlanation)等，本公开实施例对模型解释法方法不做限定。

例如，原始文本数据的构造与目标对象所处理的任务有关。例如，对于情感分析任务，原始文本数据可以包括一句话，例如“特别专业的摄影店，服务态度好”。例如，对于文本相似度计算，原始文本数据可以包括两句话，例如两句话分别是“抗风的植物”和“抗风弱的植物”。例如，对于阅读理解等任务，原始文本数据可以包括一个问题和与一段话，并且该段话中包括针对该问题的答复内容。

例如，原始文本数据包括多个字符数据，每个字符数据可以对应一句话、一个分词或者一个字。当每个字符数据对应一个字时，字符数据的粒度较小，从而确保精确性。

例如，重要性指标可以表征原始文本数据中各个字符数据对深度学习模型的输出结果的重要程度。例如，在进行文本相似度计算任务中，需要确定文本数据“抗风的植物”和文本数据“抗风弱的植物”之间的相似度，这两个文本数据中的字符数据“弱”的重要性指标较高，表示字符数据“弱”对两个文本数据之间的相似度的影响较大。

例如，可以利用将原始文本数据输入深度学习模型，深度学习模型在处理该原始文本数据的过程中，可以基于注意力机制得到原始文本数据中各个字符数据对应的权重，可以将该权重作为重要性指标。又例如，深度学习模型在处理原始文本数据的过程中，可以得到各个字符数据回传的梯度来确定重要性指标。

需要说明的是，本公开实施例用于评估性能，本操作得到的重要性指标为估计值，因此其可以与字符数据对模型预测的真实重要程度存在差异。

在操作S220，根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本。

例如，可以将多个字符数据按照重要性指标从高至低进行排序，得到序列，然后将序列中靠前的预定数量个字符数据或者序列中靠前的预定比例个字符数据，确定为原始证据文本。

例如，原始文本数据为“特别专业的摄影店，服务态度好”，预定数量为4，其中序列中的前四个字符数据为“的”、“摄”、“影”、“店”，则可以将“的摄影店”确定为原始证据文本。

在操作S230，确定与原始文本数据对应的参考证据文本。

例如，可以预先对原始文本数据进行标注，并将标注出的字符数据作为参考证据文本。例如，对于原始文本“特别专业的摄影店，服务态度好”，预先标注的参考证据文本可以包括“专业店”和“态度好”。

在操作S240，根据原始证据文本和参考证据文本，确定目标对象的性能指标，以评估目标对象的性能。

例如，性能指标可以包括准确率、召回率、F1(F1-score)值、MAP(全类平均正确率，Mean Average Precision)值等。

例如，目标对象的性能可以包括深度学习模型处理原始文本数据的准确性的高低。例如，对于情感分析任务，深度学习模型是否准确得到原始文本数据中表达的正向和负向情感。例如，对于相似度计算任务，深度模型是否准确得到两个文本之间的相似度结果。例如，对于阅读理解任务，深度学习模型是否在一段话中准确标注出针对问题的答复文本的起止位置和终止位置。

又例如，目标对象的性能还可以合理性，合理性可以表征利用深度学习模型和模型解释方法得到的原始证据文本是否符合参考证据文本。进一步的，若参考证据文本经过人工确认，则合理性可以表征利用深度学习模型和模型解释方法得到的原始证据文本是否符合人类认知。

又例如，目标对象的性能还可以包括忠诚性，忠诚性可以表征深度学习模型和模型解释方法确定出的原始证据文本与参考证据文本之间的一致性的高低，该一致性可以理解为模型解释方法与深度学习模型的处理机制之间的契合程度。

例如，可以对原始证据文本和参考证据文本进行比较，确定二者之间的相似程度，该相似程度可以体现目标对象的性能。例如，若相似程度较大，则可以目标对象的性能较高，该性能较高例如可以包括以下中的至少一个：深度学习模型的准确率较高，或者模型解释方法的合理性高，或者模型解释方法的忠诚性高。

本公开实施例可以通过参考证据文本和原始证据文本进行对比，进而评估深度学习模型和模型解释方法的性能，从而对模型的处理机制进行解释。

需要说明的是，在对目标对象进行评估的过程中，可以使用包括多个原始文本数据的数据集进行评估，从而通过增加数据量来提高评估结果的准确性。例如，数据集可以包括中文数据集和英文数据集，中文数据集和英文数据集各自包括情感分析任务数据集、文本相似度计算任务数据集和阅读理解任务数据集。例如，中文情感分析数据集中的一个原始文本数据为“特别专业的摄影店，服务态度好”。

以下对确定重要性指标的方式进行详细说明。本实施例中，上述利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标的操作，可以包括以下操作：利用深度学习模型处理原始文本数据，得到中间结果和输出结果；输出结果是基于中间结果确定的，然后利用模型解释方法处理中间结果，得到原始文本数据中多个字符数据各自的重要性指标。

例如，深度学习模型处理原始文本数据的过程中，可以产生一些梯度、权重、token向量等中间结果，每个token向量可以对应模型所处理的文本数据中的一个字符数据。可以利用模型解释方法处理这些中间结果，从而得到重要性指标，本公开实施例对模型解释方法的工作原理不做限定。

例如，可以采用控制变量的方法来准确评估不同目标对象的性能。例如，第一目标对象包括第一深度学习模型和第一模型解释方法，第二目标对象包括第一深度学习模型和第二模型解释方法，第三目标对象包括第二深度学习模型和第一模型解释方法。可以针对第一目标对象、第二目标对象和第三目标对象分别执行上述方法200，从而得到与第一目标对象对应的性能P1、与第一目标对象对应的性能P2和与第一目标对象对应的性能P3。通过比较性能P1和性能P2，可以得到第一模型解释方法和第二模型解释方法的性能(例如合理性和忠诚性)高低关系。通过比较性能P1和性能P3，可以得到第一深度学习模型和第二深度学习模型的性能(例如合理性、忠诚性、准确性)高低关系。

本实施例中的目标对象包括深度学习模型和模型解释方法，在实际处理过程中，可以通过控制变量的方式对深度学习模型和模型解释方法的性能进行单独评估，从而提高评估的准确性。

图3A是根据本公开另一实施例的评估对象性能的方法的示意流程图，图3B是根据本公开另一实施例的评估对象性能的方法的示意原理图。

如图3A所示，以下对评估目标对象忠诚性的方式进行详细说明。本实施例中的评估对象性能的方法300可以包括操作S310和操作S320，还可以包括操作S331、操作S332和操作S341，其中，操作S310和操作S320可以分别参考上文中的操作S210和操作S220，在此不再赘述。

在操作S310，利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标。

在操作S320，根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本。

在操作S331，对原始文本数据进行预定处理，得到至少一个处理后文本数据。

例如，预定处理可以包括第一预定处理、第二预定处理和第三预定处理中的至少一个。

例如，第一预定处理为对原始文本数据中的第一类别字符数据进行以下处理中的至少一个：增加、删除和修改，第一类别字符数据可以为重要性指标低于阈值的数据。例如，原始文本数据为“特别专业的摄影店，服务态度好”，经过第一预定处理之后得到的处理后文本数据为“特别专业的烧烤店，服务态度好”或者“特别专业的店，服务态度好”。

例如，第二预定处理为对原始文本数据中的第二类别字符数据进行同义替换，第二类别字符数据可以为重要性指标高于阈值的数据。例如，可以预先配置同义词库，可以从同义词库中查找与第二类别字符数据对应的同义词，然后利用查找到的同义词替换第二类别字符数据。例如，原始文本数据为“特别喜欢的摄影店，服务态度好”，经过第二预定处理之后得到的处理后文本数据为“特别满意的摄影店，服务态度好”。

例如，第三预定处理为修改原始文本数据的句式结构。例如，可以预先配置句式模板库，然后对原始文本数据进行句式分析得到第一句式模板，然后在句式模板库中查找与第一句式模板对应的第二句式模板，然后使用第二句式模板替换第一句式模板。例如，原始文本数据为“特别专业的摄影店，服务态度好”，经过第三预定处理之后得到的处理后文本数据为“摄影店非常专业，服务态度好”。

可以看出，上述预定处理可以得到与原始文本数据较为相似的处理后文本数据，进而在利用处理后文本数据确定参考证据文本之后，可以基于参考证据文本对原始证据文本来评估目标对象的性能。

在操作S332，确定处理后文本数据中的目标字符数据，作为参考证据文本。

在一种示例中，上述操作S332可以通过以下方式来实现：对处理后文本数据进行标注，来得到参考证据文本。标注方法可以参考上文，本实施例不再赘述。

在另一种示例中，上述操作S332可以通过以下方式实现：利用目标对象处理处理后文本数据，得到处理后文本数据中多个字符数据各自的重要性指标，然后根据处理后文本数据中多个字符数据各自的重要性指标，确定处理后文本数据中的目标字符数据。例如，可以采用与上述操作S310～操作S320类似的方法，对处理后文本数据进行处理，然后将处理完文本数据中的多个字符数据按照重要性指标从高至低进行排序，得到序列，然后将序列中靠前的预定数量个字符数据或者序列中靠前的预定比例个字符数据，确定为参考证据文本。本示例采用同一个目标对象处理原始文本数据和处理后文本数据，由于处理方式相同，因此对目标对象处理后得到的原始证据文本和参考证据文本进行对比，可以有效评估模型解释方法是否契合深度学习模型的内部处理机制。

根据上述操作S331～操作S332，由于通过上述预定处理得到的处理后文本数据与原始文本数据较为相似。因此，利用目标对象处理上述处理后文本数据得到参考证据文本之后，若参考证据文本与原始证据文本的一致性较高，则表示模型解释方法确定出的证据符合深度学习模型的处理机制，即目标对象的忠诚性较高。可以看出，本示例基于参考证据文本与原始证据文本的一致性来评估忠诚性，提出了一种评估目标对象忠诚性的新指标。

在操作S341，根据原始证据文本和参考证据文本，确定全类平均正确率，然后根据全类平均正确率，确定性能中的第一性能指标。

例如，第一性能指标即为上文提及的忠诚性，其表征第一重要性指标和第二重要性指标之间的一致性，第一重要性指标是基于解释方法得到的原始文本数据中多个字符数据各自的重要性指标，第二重要性指标是深度学习模型处理原始文本数据过程中的实际重要性指标。

例如，可以通过以下公式计算全类平均正确率：

其中，MAP表示全类平均正确率，X^O表示原始文本数据对应的token列表，X^P表示处理后文本数据对应的token列表，|X^P|表示X^P中的token数量，

包括X^O中重要性指标较高的前i个token，其中每个token对应一个字符数据；G(x，Y)用于确定token x是否属于Y列表，其中若x∈Y，则G(x，Y)＝1。

如图3B所示，在实际应用中，可以通过控制变量的方式来准确评估不同目标对象的性能。

例如，第一目标对象包括第一深度学习模型和第一模型解释方法，第二目标对象包括第一深度学习模型和第二模型解释方法，第三目标对象包括第二深度学习模型和第二模型解释方法。可以针对第一目标对象、第二目标对象和第三目标对象分别执行上述方法300，从而得到与第一目标对象对应的性能、与第一目标对象对应的性能和与第一目标对象对应的性能。

例如，可以利用第一目标对象处理原始文本数据301，得到原始证据文本3031，然后对原始文本数据301进行预定处理得到处理后文本302，并利用第一目标对象处理该处理后文本302，得到参考证据文本3041，利用原始证据文本3031和参考证据文本3041来确定指标值3051(即图中的MAP_1)。类似地，可以利用第二目标对象处理原始文本数据301，得到原始证据文本3032，利用第二目标对象处理上述处理后文本302，得到参考证据文本3042，利用原始证据文本3032和参考证据文本3042来确定指标值3052(即图中的MAP_2)。类似地，可以利用第三目标对象处理原始文本数据301，得到原始证据文本3033，利用第三目标对象处理上述处理后文本302，得到参考证据文本3043，利用原始证据文本3033和参考证据文本3043来确定指标值3053(即图中的MAP_3)。

接下来，可以通过比较指标值3051和指标值3052，来确定第一模型解释方法和第二模型解释方法的忠诚性高低，可以通过比较指标值3052和指标值3053，来确定第一深度学习模型和第二深度学习模型的忠诚性高低。

需要说明的是，图3B以一个原始文本数据为例进行说明，在实际评估过程中，可以使用多个原始文本数据构成的数据集进行评估。在处理过程中，可以针对数据集中的各原始文本数据执行图3B所示的流程，从而得到与单个原始文本数据对应的MAP值，可以将数据集中各个原始文本数据对应的MAP值的平均值作为与目标对象对应的MAP均值。对于两个目标对象，两个目标对象各自包括深度学习模型和模型解释方法，且两个目标对象中深度学习模型相同或者模型解释方法相同。因此，通过比较两个目标对象的MAP均值，即可得到两个目标对象的忠诚性高低关系。

图4A是根据本公开另一实施例的评估对象性能的方法的示意流程图，图4B是根据本公开另一实施例的评估对象性能的方法的示意原理图。

如图4A所示，以下对评估目标对象合理性的方式进行详细说明。本实施例中的评估对象性能的方法400可以包括操作S410～操作S430，还包括操作S442，其中，操作S410～操作S420可以分别参考上文中的操作S210～操作S220，在此不再赘述。

在操作S410，利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标。

在操作S420，根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本。

在操作S430，确定与原始文本数据对应的参考证据文本。

例如，可以参考上文中的操作S230。

例如，可以预先对原始文本数据进行字级别的标注，以原始文本数据为“特别专业的摄影店，服务态度好”为例，在做情感分析时，需要确定该原始文本的情感是正向还是负向，需要预先标注出用于确定情感正负向的字。例如，针对该原始文本可以标注出以下两个参考证据文本：“专业店”和“态度好”。

需要说明的是，标注出的参考证据文本可以满足充分性、全面性和简洁性。充分性表示证据自身可以充分支撑预测，例如“专业店”可以确定出情感是正向。全面性表示证据以外的文本无法支撑预测，例如将原始文本数据中的参考证据文本删除之后，剩余文本是“特别的摄影，服务”，无法基于剩余文本确定情感的正负向。简洁性表示证据中的字都支撑预测所是必要的，例如参考证据文本中删除任意字符会导致无法预测情感。

在操作S442，根据原始证据文本和参考证据文本，确定准确率和召回率，然后根据准确率和召回率，确定性能中的第二性能指标。

例如，第二性能指标即为上文提及的合理性。

例如，以下述情况为例进行说明：原始文本数据为“特别专业的摄影店，服务态度好”，目标对象处理该原始文本数据得到的原始证据文本为“的摄影店”，参考证据文本为“专业店”和“态度好”。

可以计算“的摄影店”和“专业店”的F1值，计算“的摄影店”和“态度好”的F1值，计算“的摄影店”和“专业店态度好”的F1值，然后将分数最高的F1值作为与该目标对象对应的目标F1值，该目标F1值可评估原始证据文本和参考证据文本之间的契合程度，进而确定证据是否合理。

上述F1值可以通过准确率和召回率计算得到，其中，准确率可以表示目标字符的数量与原始文本数据的字符数量之间的比例，召回率可以表示目标字符的数量与参考证据文本的字符数量之间的比例，目标字符可以是原始文本数据和参考证据文本的交集。以计算“的摄影店”和“专业店”的F1值为例。目标字符为“店”，“店”占“的摄影店”的百分比为0.25，则准确率为0.25。“专业店”中的“店”出现在“的摄影店”中，“店”占“专业店”的百分比为0.333，则召回率为0.333。

如图4B所示，在实际应用中，可以通过控制变量的方式来准确评估不同目标对象的性能。

例如，第一目标对象包括第一深度学习模型和第一模型解释方法，第二目标对象包括第一深度学习模型和第二模型解释方法，第三目标对象包括第二深度学习模型和第二模型解释方法。可以针对第一目标对象、第二目标对象和第三目标对象分别执行上述方法400，从而得到与第一目标对象对应的性能、与第一目标对象对应的性能和与第一目标对象对应的性能。

例如，可以利用第一目标对象处理原始文本数据401，得到原始证据文本4021。可以对原始文本数据401进行标注，得到该原始文本数据401中的参考证据文本403，然后利用原始证据文本4021和参考证据文本403确定指标值4041(即图中的F1_1)。类似地，可以利用第二目标对象处理原始文本数据401，得到原始证据文本4022，利用原始证据文本4022和参考证据文本403确定指标值4042(即图中的F1_2)。类似地，可以利用第三目标对象处理原始文本数据401，得到原始证据文本4023，利用原始证据文本4023和参考证据文本403确定指标值4043(即图中的F1_3)。

接下来，可以通过比较指标值4041和指标值4042，来确定第一模型解释方法和第二模型解释方法的合理性高低，可以通过比较指标值4042和指标值4043，来确定第一深度学习模型和第二深度学习模型的合理性高低。

需要说明的是，图4B以一个原始文本数据为例进行说明，在实际评估过程中，可以使用多个原始文本数据构成的数据集进行评估。在处理过程中，可以针对数据集中的各原始文本数据执行图4B所示的流程，从而得到与单个原始文本数据对应的F1值，可以将数据集中各个原始文本数据对应的F1值的平均值作为与目标对象对应的F1均值。对于两个目标对象，两个目标对象各自包括深度学习模型和模型解释方法，且两个目标对象中深度学习模型相同或者模型解释方法相同。因此，通过比较两个目标对象的F1均值，即可得到两个目标对象的合理性高低关系。

图5是根据本公开实施例的评估对象性能的装置的示意结构框图。

如图5所示，该评估对象性能的装置500可以包括：重要性确定模块510、原始证据确定模块520、参考证据确定模块530以及性能确定模块540。

重要性确定模块510用于利用待评估的目标对象处理原始文本数据，得到原始文本数据中多个字符数据各自的重要性指标。

原始证据确定模块520用于根据原始文本数据中多个字符数据各自的重要性指标，确定原始文本数据中的原始证据文本。

参考证据确定模块530用于确定与原始文本数据对应的参考证据文本。

性能确定模块540用于根据原始证据文本和参考证据文本，确定目标对象的性能指标，以评估目标对象的性能。

根据本公开另一实施例，参考证据确定模块包括：获取子模块和第一确定子模块。获取子模块用于获取处理后文本数据；其中，处理后文本数据是对原始文本数据进行预定处理得到的；以及第一确定子模块用于确定处理后文本数据中的目标字符数据，作为参考证据文本。

根据本公开另一实施例，预定处理包括以下中的至少一个：对原始文本数据中的第一类别字符数据进行以下处理中的至少一个：增加、删除和修改；对原始文本数据中的第二类别字符数据进行同义替换；其中，第二类别字符数据的重要性指标高于第一类别字符数据的重要性指标；以及修改原始文本数据的句式结构。

根据本公开另一实施例，第一确定子模块包括：处理单元和确定单元。处理单元用于利用目标对象处理处理后文本数据，得到处理后文本数据中多个字符数据各自的重要性指标；确定单元用于根据处理后文本数据中多个字符数据各自的重要性指标，确定处理后文本数据中的目标字符数据。

根据本公开另一实施例，性能确定模块包括：第二确定子模块和第三确定子模块，第二确定子模块用于根据原始证据文本和参考证据文本，确定全类平均正确率；第三确定子模块用于根据全类平均正确率，确定性能中的第一性能指标；其中，目标对象包括深度学习模型和模型解释方法，第一性能指标表征第一重要性指标和第二重要性指标之间的一致性，第一重要性指标是基于解释装置得到的原始文本数据中多个字符数据各自的重要性指标，第二重要性指标是深度学习模型处理原始文本数据过程中的实际重要性指标。

根据本公开另一实施例，性能确定模块包括：第四确定子模块和第五确定子模块。第四确定子模块用于根据原始证据文本和参考证据文本，确定准确率和召回率；第五确定子模块用于根据准确率和召回率，确定性能中的第二性能指标。

根据本公开另一实施例，目标对象包括深度学习模型和模型解释方法；重要性确定模块包括：第一处理子模块和第二处理子模块。第一处理子模块用于利用深度学习模型处理原始文本数据，得到中间结果和输出结果；输出结果是基于中间结果确定的；第二处理子模块用于利用模型解释方法处理中间结果，得到原始文本数据中多个字符数据各自的重要性指标，重要性指标表征字符数据对输出结果的重要程度。

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。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

根据本公开的实施例，本公开还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；存储器存储有可被至少一个处理器执行的指令，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上述评估对象性能的方法。

根据本公开的实施例，本公开还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，计算机指令用于使计算机执行上述评估对象性能的方法。

根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述评估对象性能的方法。

图6是用来实施本公开实施例的评估对象性能的方法的电子设备的结构框图。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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如评估对象性能的方法。例如，在一些实施例中，评估对象性能的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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的评估对象性能的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行评估对象性能的方法。

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)、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。

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 (17)

1.一种评估对象性能的方法，包括：

利用待评估的目标对象处理原始文本数据，得到所述原始文本数据中多个字符数据各自的重要性指标；

根据所述原始文本数据中多个字符数据各自的重要性指标，确定所述原始文本数据中的原始证据文本；

确定与所述原始文本数据对应的参考证据文本；以及

根据所述原始证据文本和所述参考证据文本，确定所述目标对象的性能指标，以评估所述目标对象的性能。

2.根据权利要求1所述的方法，其中，所述确定与所述原始文本数据对应的参考证据文本包括：

获取处理后文本数据；其中，所述处理后文本数据是对所述原始文本数据进行预定处理得到的；以及

确定所述处理后文本数据中的目标字符数据，作为所述参考证据文本。

3.根据权利要求2所述的方法，其中，所述预定处理包括以下中的至少一个：

对所述原始文本数据中的第一类别字符数据进行以下处理中的至少一个：增加、删除和修改；

对所述原始文本数据中的第二类别字符数据进行同义替换；其中，所述第二类别字符数据的重要性指标高于所述第一类别字符数据的重要性指标；以及

修改所述原始文本数据的句式结构。

4.根据权利要求2所述的方法，其中，所述确定所述处理后文本数据中的目标字符数据包括：

利用所述目标对象处理所述处理后文本数据，得到所述处理后文本数据中多个字符数据各自的重要性指标；以及

根据所述处理后文本数据中多个字符数据各自的重要性指标，确定所述处理后文本数据中的目标字符数据。

5.根据权利要求1至4中任意一项所述的方法，其中，所述根据所述原始证据文本和所述参考证据文本，确定所述目标对象的性能指标包括：

根据所述原始证据文本和所述参考证据文本，确定全类平均正确率；以及

根据所述全类平均正确率，确定所述性能中的第一性能指标；

其中，所述目标对象包括深度学习模型和模型解释方法，所述第一性能指标表征第一重要性指标和第二重要性指标之间的一致性，所述第一重要性指标是基于所述解释方法得到的所述原始文本数据中多个字符数据各自的重要性指标，所述第二重要性指标是所述深度学习模型处理所述原始文本数据过程中的实际重要性指标。

6.根据权利要求1所述的方法，其中，所述根据所述原始证据文本和所述参考证据文本，确定所述目标对象的性能指标包括：

根据所述原始证据文本和所述参考证据文本，确定准确率和召回率；以及

根据所述准确率和所述召回率，确定所述性能中的第二性能指标。

7.根据权利要求1至6中的至少一项所述的方法，其中，所述目标对象包括深度学习模型和模型解释方法；

所述利用待评估的目标对象处理原始文本数据，得到所述原始文本数据中多个字符数据各自的重要性指标包括：

利用所述深度学习模型处理所述原始文本数据，得到中间结果和输出结果；所述输出结果是基于所述中间结果确定的；以及

利用所述模型解释方法处理所述中间结果，得到所述原始文本数据中多个字符数据各自的重要性指标，所述重要性指标表征字符数据对所述输出结果的重要程度。

8.一种评估对象性能的装置，包括：

重要性确定模块，用于利用待评估的目标对象处理原始文本数据，得到所述原始文本数据中多个字符数据各自的重要性指标；

原始证据确定模块，用于根据所述原始文本数据中多个字符数据各自的重要性指标，确定所述原始文本数据中的原始证据文本；

参考证据确定模块，用于确定与所述原始文本数据对应的参考证据文本；以及

性能确定模块，用于根据所述原始证据文本和所述参考证据文本，确定所述目标对象的性能指标，以评估所述目标对象的性能。

9.根据权利要求8所述的装置，其中，所述参考证据确定模块包括：

获取子模块，用于获取处理后文本数据；其中，所述处理后文本数据是对所述原始文本数据进行预定处理得到的；以及

第一确定子模块，用于确定所述处理后文本数据中的目标字符数据，作为所述参考证据文本。

10.根据权利要求9所述的装置，其中，所述预定处理包括以下中的至少一个：

对所述原始文本数据中的第一类别字符数据进行以下处理中的至少一个：增加、删除和修改；

对所述原始文本数据中的第二类别字符数据进行同义替换；其中，所述第二类别字符数据的重要性指标高于所述第一类别字符数据的重要性指标；以及

修改所述原始文本数据的句式结构。

11.根据权利要求9所述的装置，其中，所述第一确定子模块包括：

处理单元，用于利用所述目标对象处理所述处理后文本数据，得到所述处理后文本数据中多个字符数据各自的重要性指标；以及

确定单元，用于根据所述处理后文本数据中多个字符数据各自的重要性指标，确定所述处理后文本数据中的目标字符数据。

12.根据权利要求8至11中任意一项所述的装置，其中，所述性能确定模块包括：

第二确定子模块，用于根据所述原始证据文本和所述参考证据文本，确定全类平均正确率；以及

第三确定子模块，用于根据所述全类平均正确率，确定所述性能中的第一性能指标；

其中，所述目标对象包括深度学习模型和模型解释方法，所述第一性能指标表征第一重要性指标和第二重要性指标之间的一致性，所述第一重要性指标是基于所述解释装置得到的所述原始文本数据中多个字符数据各自的重要性指标，所述第二重要性指标是所述深度学习模型处理所述原始文本数据过程中的实际重要性指标。

13.根据权利要求8所述的装置，其中，所述性能确定模块包括：

第四确定子模块，用于根据所述原始证据文本和所述参考证据文本，确定准确率和召回率；以及

第五确定子模块，用于根据所述准确率和所述召回率，确定所述性能中的第二性能指标。

14.根据权利要求8至13中的至少一项所述的装置，其中，所述目标对象包括深度学习模型和模型解释方法；

所述重要性确定模块包括：

第一处理子模块，用于利用所述深度学习模型处理所述原始文本数据，得到中间结果和输出结果；所述输出结果是基于所述中间结果确定的；以及

第二处理子模块，用于利用所述模型解释方法处理所述中间结果，得到所述原始文本数据中多个字符数据各自的重要性指标，所述重要性指标表征字符数据对所述输出结果的重要程度。

15.一种电子设备，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至7中任一项所述的方法。

16.一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至7中任一项所述的方法。

17.一种计算机程序产品，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至7中任一项所述的方法。

Images