CN116127948B - 待标注文本数据的推荐方法、装置及电子设备 - Google Patents

Abstract

本公开提供了待标注文本数据的推荐方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、自然语言处理、智能搜索技术领域。具体实现方案为：获取经第一训练文本样本集训练得到的文本处理模型、第一训练文本样本集对应的第一错误文本样本集；采用第二训练文本样本集、验证文本样本集以及文本处理模型，获取第二训练文本样本集对应的第二错误文本样本集；根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集，进而对初始文本匹配模型进行训练以及从待标注文本数据库中选择待推荐的待标注文本数据，从而能够选择得到对错误文本样本的处理准确度提升效果最好的待标注文本数据。

Description

待标注文本数据的推荐方法、装置及电子设备

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、自然语言处理、智能搜索技术领域，尤其涉及一种待标注文本数据的推荐方法、装置及电子设备。

背景技术

目前的深度学习模型，例如文本处理模型，在训练结束后模型参数固定，对于每次相同的文本输入，给予相同的输出结果。对于实际应用中产生的错误文本样本(badcase)，主要使用规则进行干预，例如，添加出现某个关键词就被分为某个类别，或者，符合某些正则语句就被分为某个类别等。

其中，规则的构建，花费的人力成本高，且容易导致出现新的错误样本，干预效率差，导致文本处理效率差。

发明内容

本公开提供了一种待标注文本数据的推荐方法、装置及电子设备。

根据本公开的一方面，提供了一种待标注文本数据的推荐方法，所述方法包括：获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集；针对每个第二训练文本样本集，采用所述第二训练文本样本集以及所述验证文本样本集对所述文本处理模型进行重新训练以及验证处理，获取所述第二训练文本样本集对应的第二错误文本样本集；根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；根据所述第一训练文本样本集、所述正训练文本样本集以及所述负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

根据本公开的另一方面，提供了一种待标注文本数据的推荐装置，所述装置包括：第一获取模块，用于获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集；第二获取模块，用于针对每个第二训练文本样本集，采用所述第二训练文本样本集以及所述验证文本样本集对所述文本处理模型进行重新训练以及验证处理，获取所述第二训练文本样本集对应的第二错误文本样本集；第一选择模块，用于根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；训练模块，用于根据所述第一训练文本样本集、所述正训练文本样本集以及所述负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；第二选择模块，用于根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

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本公开上述提出的待标注文本数据的推荐方法。

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，所述计算机指令用于使计算机执行本公开上述提出的待标注文本数据的推荐方法。

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本公开上述提出的待标注文本数据的推荐方法的步骤。

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是用来实现本公开实施例的待标注文本数据的推荐方法的电子设备的框图。

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。

目前的深度学习模型，例如文本处理模型，在训练结束后模型参数固定，对于每次相同的文本输入，给予相同的输出结果。对于实际应用中产生的错误文本样本(badcase)，主要使用规则进行干预，例如，添加出现某个关键词就被分为某个类别，或者，符合某些正则语句就被分为某个类别等。

其中，规则的构建，花费的人力成本高，且容易导致出现新的错误样本，干预效率差，导致文本处理效率差。

针对上述问题，本公开提出一种待标注文本数据的推荐方法、装置及电子设备。

图1是根据本公开第一实施例的示意图，需要说明的是，本公开实施例的待标注文本数据的推荐方法可应用于待标注文本数据的推荐装置，该装置可被配置于电子设备中，以使该电子设备可以执行待标注文本数据的推荐功能。以下实施例中以执行主体为电子设备为例进行说明。

其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(PersonalComputer，简称PC)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备、智能音箱等具有各种操作系统、触摸屏和/或显示屏的硬件设备。

如图1所示，该待标注文本数据的推荐方法可以包括如下步骤：

步骤101，获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集。

在本公开实施例中，第一训练文本样本集中可以包括多个文本样本，以及文本样本对应的标注数据。第二训练文本样本集中可以包括多个文本样本，以及文本样本对应的标注数据。验证文本样本集中也可以包括多个文本样本，以及文本样本对应的标注数据。其中，标注数据例如，文本样本的类别、文本样本所属的领域、文本样本中的关键词等。

在本公开实施例中，电子设备执行步骤101的过程例如可以为，获取训练文本样本数据以及验证文本样本集，训练文本样本数据包括多个已标注文本数据；对训练文本样本数据进行拆分处理，得到第一训练文本样本集以及多个第二训练文本样本集；采用第一训练文本样本集对初始文本处理模型进行训练，得到文本处理模型；采用验证文本样本集对文本处理模型进行验证处理，得到第一训练文本样本集对应的第一错误文本样本集。

其中，对训练文本样本数据的拆分处理，可以为随机拆分处理。其中，第一训练文本样本集中文本样本的数量，与第二训练文本样本集中文本样本的数量可以相同或者不同。

在本公开实施例中，电子设备采用第一训练文本样本集对初始文本处理模型进行训练的过程例如可以为，将其中的文本样本输入初始文本处理模型，获取初始文本处理模型输出的预测数据；根据预测数据以及文本样本对应的标注数据构建损失函数；根据损失函数的数值对初始文本处理模型进行参数调整处理，得到文本处理模型。

在本公开实施例中，电子设备采用验证文本样本集对文本处理模型进行验证处理的过程例如可以为，针对验证文本样本集中的每个文本样本，将该文本样本输入文本处理模型，获取文本处理模型输出的预测数据；在预测数据与该文本样本对应的标注数据不一致时，将该文本样本确定为错误文本样本；根据各个错误文本样本，确定第一错误文本样本集。

其中，通过对训练文本样本数据进行拆分，以获取第一训练文本样本集以及多个第二训练文本样本集，并获取经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集，能够快速及时的获取训练文本样本集，并方便后续第二错误文本样本集的获取，提高获取效率。

步骤102，针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集。

在本公开实施例中，电子设备执行步骤102的过程例如可以为，针对每个第二训练文本样本集，采用第二训练文本样本集对文本处理模型进行重新训练，得到重新训练后的文本处理模型；采用验证文本样本集对重新训练后的文本处理模型进行验证处理，得到第二训练文本样本集对应的第二错误文本样本集。

步骤103，根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集。

在本公开实施例中，正训练文本样本集，为对应的第二错误文本样本集与第一错误文本样本集差异较大的第二训练文本样本集，差异较大，表示经过正训练文本样本集的训练，得到的文本处理模型对错误文本样本的干预效果较好，能够提升文本处理模型对错误文本样本的处理准确度。

其中，负训练文本样本集，为对应的第二错误文本样本集与第一错误文本样本集差异较小的第二训练文本样本集，差异较小，表示经过负训练文本样本集的训练，得到的文本处理模型对错误文本样本的干预效果较差，难以有效提升文本处理模型对错误文本样本的处理准确度。

在本公开实施例中，电子设备执行步骤103的过程例如可以为，根据多个第二错误文本样本集中错误文本样本的数量，对多个第二错误文本样本集进行升序排序，得到排序结果；将排序结果中排序在最前的第二错误文本样本集，确定为正训练文本样本集；将排序结果中排序在最后的第二错误文本样本集，确定为负训练文本样本集。

另外，电子设备也可以根据多个第二错误文本样本集中错误文本样本的数量，对多个第二错误文本样本集进行降序排序，得到排序结果；将排序结果中排序在最后的第二错误文本样本集，确定为正训练文本样本集；将排序结果中排序在最前的第二错误文本样本集，确定为负训练文本样本集。

步骤104，根据第一训练文本样本集、正训练文本样本集以及负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型。

在本公开实施例中，电子设备可以将第一训练文本样本集中的文本样本，分别与正训练文本样本集以及负训练文本样本集中的文本样本进行配对处理，进行根据配对得到的文本样本对，对初始文本匹配模型进行训练，得到训练好的文本匹配模型。

步骤105，根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

在本公开实施例中，电子设备执行步骤105的过程例如可以为，针对第一错误文本样本集中的每个错误文本样本，根据文本匹配模型，获取待标注文本数据库中与错误文本样本匹配的候选待标注文本数据；将第一错误文本样本集中各个错误文本样本匹配的候选待标注文本数据，确定为待推荐的待标注文本数据。

其中，文本匹配模型，根据训练文本处理模型时采用的第一训练文本样本集、用于提升错误文本样本处理准确度的正训练文本样本集、以及负训练文本样本集训练得到；将一个错误文本样本以及待标注文本数据库中的待标注文本数据输入文本匹配模型，能够确定该待标注文本数据对错误文本样本处理准确度的提升效果；进而能够选择数量较少，且提升效果较好的候选待标注文本数据，作为待推荐的待标注文本数据，进而进行标注以及训练处理，提升文本处理模型的处理准确度。

在本公开实施例中，在步骤105之前，为了减少文本匹配模型需要处理的待标注文本数据的数量，减少计算量，可以对待标注文本数据库中的待标注文本数据进行筛选处理，例如，在步骤105之前，电子设备可以执行以下过程：针对第一错误文本样本集中的每个错误文本样本，提取该错误文本样本中的关键词；确定各个待标注文本数据中的关键词；比对，确定错误文本样本与各个待标注文本数据的关键词匹配度；根据关键词匹配度，从各个待标注文本数据中筛选部分待标注文本数据；进而根据第一错误文本样本集以及文本匹配模型，从筛选的部分待标注文本数据中选择待推荐的待标注文本数据。

在本公开实施例中，步骤105之后，电子设备还可以执行以下过程：对待推荐的待标注文本数据进行标注处理以及组合处理，得到新增训练文本样本集；采用新增训练文本样本集，对经第一训练文本样本集训练得到的文本处理模型进行训练处理，得到训练好的文本处理模型。

其中，新增训练文本样本集，结合文本匹配模型得到，确保新增训练文本样本集中的文本样本，对错误文本样本处理准确度的提升效果较好；进而能有效提升文本处理模型的处理准确度，确保文本处理模型在遇到与错误文本样本类似的文本时，能够对该文本进行准确处理。

本公开实施例的待标注文本数据的推荐方法，通过获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集；针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集；根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；根据第一训练文本样本集、正训练文本样本集以及负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据，从而能够选择得到对错误文本样本的处理准确度提升效果最好的待标注文本数据；进而对待标注文本数据进行标注以及对文本处理模型进行训练处理，能够提高文本处理模型对错误文本样本的处理准确度。

其中，为了提升对文本匹配模型的训练准确度，可以对第一训练文本样本集、正训练文本样本集以及负训练文本样本集中的样本文本进行配对处理，自动获取文本匹配模型的训练数据；进而结合训练数据对文本匹配模型进行训练处理，降低文本匹配模型的训练成本，提高文本匹配模型的训练速度。如图2所示，图2是根据本公开第二实施例的示意图，图2所示实施例可以包括以下步骤：

步骤201，获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集。

步骤202，针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集。

步骤203，根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集。

步骤204，对第一训练文本样本集中的文本样本，以及正训练文本样本集中的文本样本进行配对处理，得到多个正文本样本对。

在本公开实施例中，电子设备执行步骤204的过程例如可以为，针对第一训练文本样本集中的每个文本样本，将该文本样本与正训练文本样本集中的各个文本样本分别进行配对处理，得到多个正文本样本对。

步骤205，对第一训练文本样本集中的文本样本，以及负训练文本样本集中的文本样本进行配对处理，得到多个负文本样本对。

在本公开实施例中，电子设备执行步骤205的过程例如可以为，针对第一训练文本样本集中的每个文本样本，将该文本样本与负训练文本样本集中的各个文本样本分别进行配对处理，得到多个负文本样本对。

步骤206，采用正文本样本对以及负文本样本对，对初始文本匹配模型进行训练，得到训练好的文本匹配模型。

在本公开实施例中，电子设备执行步骤206的过程例如可以为，针对每个正文本样本对，设置该正文本样本对中两个文本样本之间的文本匹配度为第一数值；针对每个负文本样本对，设置该负文本样本对中两个文本样本之间的文本匹配度为第二数值；将正文本样本对输入文本匹配模型，获取输出的预测文本匹配度；将负文本样本对输入文本匹配模型，获取输出的预测文本匹配度；根据正文本样本对的文本匹配度以及预测文本匹配度，以及负文本样本对的文本匹配度以及预测文本匹配度，构建损失函数；根据损失函数的数值对文本匹配模型的参数进行调整，得到训练好的文本匹配模型。

其中，第一数值例如可以为1，第二数值例如可以为0。

步骤207，根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

其中，需要说明的是，步骤201至步骤203，步骤207的详细内容，可以参考图1所示实施例中的步骤101至步骤103，步骤105，此处不再进行详细说明。

本公开实施例的待标注文本数据的推荐方法，通过获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集；针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集；根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；对第一训练文本样本集中的文本样本，以及正训练文本样本集中的文本样本进行配对处理，得到多个正文本样本对；对第一训练文本样本集中的文本样本，以及负训练文本样本集中的文本样本进行配对处理，得到多个负文本样本对；采用正文本样本对以及负文本样本对，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据，从而能够选择得到对错误文本样本的处理准确度提升效果最好的待标注文本数据；进而对待标注文本数据进行标注以及对文本处理模型进行训练处理，能够提高文本处理模型对错误文本样本的处理准确度。

其中，除了结合根据正训练文本样本集以及负训练文本样本集训练得到的文本匹配模型，来选择待推荐的待标注数据，还可以结合文本相似度模型来选择待推荐的待标注数据，增加待推荐的待标注数据的数量，进一步提高训练得到的文本处理模型的准确度。如图3所示，图3是根据本公开第三实施例的示意图，图3所示实施例可以包括以下步骤：

步骤301，获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集。

步骤302，针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集。

步骤303，根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集。

步骤304，根据第一训练文本样本集、正训练文本样本集以及负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型。

步骤305，根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

步骤306，获取文本相似度模型。

步骤307，根据文本相似度模型，获取待标注文本数据库中错误文本样本对应的相似待标注文本数据。

在本公开实施例中，文本相似度模型，用于确定两个样本文本之间的文本相似度。文本相似度模型的输入为两个样本文本，输入为两个样本文本之间的文本相似度。文本相似度模型，可以根据大量样本文本对，以及样本文本对中两个样本文本之间的相似度，训练得到。

在本公开实施例中，电子设备执行步骤307的过程例如可以为，针对第一错误文本样本集中的每个错误文本样本，提取错误文本样本中的关键词；根据关键词查询待标注文本数据库，将待标注文本数据库中包括关键词的待标注文本数据，确定为错误文本样本对应的候选相似待标注文本数据；根据文本相似度模型，获取候选相似待标注文本数据中与错误文本样本对应的相似待标注文本数据。

其中，电子设备可以根据错误文本样本的数量，以及第一训练文本样本集中文本样本的数量，确定每个错误文本样本需要选择的相似待标注文本数据的数量；针对每个错误文本样本，根据文本相似度模型，确定待标注文本数据库中各个待标注文本数据与错误文本样本的相似度；结合相似度以及上述数量，选择该数量个相似度较大的待标注文本数据，作为错误文本样本对应的相似待标注文本数据。

其中，错误文本样本对应的候选相似待标注文本数据的筛选；以及结合文本相似度，从错误文本样本对应的候选相似待标注文本数据中选择相似待标注文本数据，能够减少文本相似度模型的计算量，且确保选择出的相似待标注文本数据，对错误文本样本处理准确度的提升效果较好；进而能有效提升文本处理模型的处理准确度，确保文本处理模型在遇到与错误文本样本类似的文本时，能够对该文本进行准确处理。

步骤308，将第一错误文本样本集中各个错误文本样本对应的相似待标注文本数据，确定为待推荐的待标注文本数据。

其中，需要说明的是，步骤301至步骤305的详细内容，可以参考图1所示实施例中的步骤101至步骤105，此处不再进行详细说明。

本公开实施例的待标注文本数据的推荐方法，通过获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集；针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集；根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；根据第一训练文本样本集、正训练文本样本集以及负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据；获取文本相似度模型；根据文本相似度模型，获取待标注文本数据库中错误文本样本对应的相似待标注文本数据；将第一错误文本样本集中各个错误文本样本对应的相似待标注文本数据，确定为待推荐的待标注文本数据，从而能够选择得到对错误文本样本的处理准确度提升效果最好的待标注文本数据；进而对待标注文本数据进行标注以及对文本处理模型进行训练处理，能够提高文本处理模型对错误文本样本的处理准确度。

为了实现上述实施例，本公开还提供一种待标注文本数据的推荐装置。如图4所示，图4是根据本公开第四实施例的示意图。该待标注文本数据的推荐装置40，可以包括：第一获取模块401、第二获取模块402、第一选择模块403、训练模块404和第二选择模块405。

其中，第一获取模块401，用于获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集；

第二获取模块402，用于针对每个第二训练文本样本集，采用所述第二训练文本样本集以及所述验证文本样本集对所述文本处理模型进行重新训练以及验证处理，获取所述第二训练文本样本集对应的第二错误文本样本集；

第一选择模块403，用于根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；

训练模块404，用于根据所述第一训练文本样本集、所述正训练文本样本集以及所述负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；

第二选择模块405，用于根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

作为本公开实施例的一种可能实现方式，所述第一获取模块401具体用于，获取训练文本样本数据以及验证文本样本集，所述训练文本样本数据包括多个已标注文本数据；对所述训练文本样本数据进行拆分处理，得到所述第一训练文本样本集以及多个所述第二训练文本样本集；采用所述第一训练文本样本集对初始文本处理模型进行训练，得到所述文本处理模型；采用所述验证文本样本集对所述文本处理模型进行验证处理，得到所述第一训练文本样本集对应的第一错误文本样本集。

作为本公开实施例的一种可能实现方式，所述第一选择模块403具体用于，根据多个所述第二错误文本样本集中错误文本样本的数量，对多个所述第二错误文本样本集进行升序排序，得到排序结果；将所述排序结果中排序在最前的第二错误文本样本集，确定为所述正训练文本样本集；将所述排序结果中排序在最后的第二错误文本样本集，确定为所述负训练文本样本集。

作为本公开实施例的一种可能实现方式，所述训练模块404具体用于，对所述第一训练文本样本集中的文本样本，以及所述正训练文本样本集中的文本样本进行配对处理，得到多个正文本样本对；对所述第一训练文本样本集中的文本样本，以及所述负训练文本样本集中的文本样本进行配对处理，得到多个负文本样本对；采用所述正文本样本对以及所述负文本样本对，对所述初始文本匹配模型进行训练，得到训练好的文本匹配模型。

作为本公开实施例的一种可能实现方式，所述第二选择模块405具体用于，针对所述第一错误文本样本集中的每个错误文本样本，根据所述文本匹配模型，获取所述待标注文本数据库中与所述错误文本样本匹配的候选待标注文本数据；将所述第一错误文本样本集中各个所述错误文本样本匹配的候选待标注文本数据，确定为所述待推荐的待标注文本数据。

作为本公开实施例的一种可能实现方式，所述装置还包括：第三获取模块、第四获取模块以及确定模块；所述第三获取模块，用于获取文本相似度模型；所述第四获取模块，用于根据所述文本相似度模型，获取所述待标注文本数据库中所述错误文本样本对应的相似待标注文本数据；所述确定模块，用于将所述第一错误文本样本集中各个所述错误文本样本对应的相似待标注文本数据，确定为所述待推荐的待标注文本数据。

作为本公开实施例的一种可能实现方式，所述第四获取模块具体用于，针对所述第一错误文本样本集中的每个错误文本样本，提取所述错误文本样本中的关键词；根据所述关键词查询所述待标注文本数据库，将所述待标注文本数据库中包括所述关键词的待标注文本数据，确定为所述错误文本样本对应的候选相似待标注文本数据；根据所述文本相似度模型，获取所述候选相似待标注文本数据中与所述错误文本样本对应的相似待标注文本数据。

作为本公开实施例的一种可能实现方式，所述装置还包括：标注组合模块；所述标注组合模块，用于对所述待推荐的待标注文本数据进行标注处理以及组合处理，得到新增训练文本样本集；所述训练模块404，还用于采用所述新增训练文本样本集，对经所述第一训练文本样本集训练得到的文本处理模型进行训练处理，得到训练好的文本处理模型。

本公开实施例的待标注文本数据的推荐装置，通过获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经第一训练文本样本集训练得到的文本处理模型、文本处理模型在验证文本样本集上验证得到的第一错误文本样本集；针对每个第二训练文本样本集，采用第二训练文本样本集以及验证文本样本集对文本处理模型进行重新训练以及验证处理，获取第二训练文本样本集对应的第二错误文本样本集；根据多个第二错误文本样本集，从多个第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；根据第一训练文本样本集、正训练文本样本集以及负训练文本样本集，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；根据第一错误文本样本集以及文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据，从而能够选择得到对错误文本样本的处理准确度提升效果最好的待标注文本数据；进而对待标注文本数据进行标注以及对文本处理模型进行训练处理，能够提高文本处理模型对错误文本样本的处理准确度。

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，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。

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5示出了可以用来实施本公开的实施例的示例电子设备500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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如待标注文本数据的推荐方法。例如，在一些实施例中，待标注文本数据的推荐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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的待标注文本数据的推荐方法的一个或多个步骤。备选地，在其他实施例中，计算单元501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数据的推荐方法。

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 (16)

1.一种待标注文本数据的推荐方法，包括：

获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集；其中，所述第二训练文本样本集中包括多个文本样本，以及文本样本对应的标注数据；

针对每个第二训练文本样本集，采用所述第二训练文本样本集对文本处理模型进行重新训练，得到重新训练后的文本处理模型；采用所述验证文本样本集对重新训练后的文本处理模型进行验证处理，得到所述第二训练文本样本集对应的第二错误文本样本集；

根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；

对所述第一训练文本样本集中的文本样本，以及所述正训练文本样本集中的文本样本进行配对处理，得到多个正文本样本对；

对所述第一训练文本样本集中的文本样本，以及所述负训练文本样本集中的文本样本进行配对处理，得到多个负文本样本对；

采用所述正文本样本对以及所述负文本样本对，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；

根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

2.根据权利要求1所述的方法，其中，所述获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集，包括：

获取训练文本样本数据以及验证文本样本集，所述训练文本样本数据包括多个已标注文本数据；

对所述训练文本样本数据进行拆分处理，得到所述第一训练文本样本集以及多个所述第二训练文本样本集；

采用所述第一训练文本样本集对初始文本处理模型进行训练，得到所述文本处理模型；

采用所述验证文本样本集对所述文本处理模型进行验证处理，得到所述第一训练文本样本集对应的第一错误文本样本集。

3.根据权利要求1所述的方法，其中，所述根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集，包括：

根据多个所述第二错误文本样本集中错误文本样本的数量，对多个所述第二错误文本样本集进行升序排序，得到排序结果；

将所述排序结果中排序在最前的第二错误文本样本集，确定为所述正训练文本样本集；

将所述排序结果中排序在最后的第二错误文本样本集，确定为所述负训练文本样本集。

4.根据权利要求1所述的方法，其中，所述根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据，包括：

针对所述第一错误文本样本集中的每个错误文本样本，根据所述文本匹配模型，获取所述待标注文本数据库中与所述错误文本样本匹配的候选待标注文本数据；

将所述第一错误文本样本集中各个所述错误文本样本匹配的候选待标注文本数据，确定为所述待推荐的待标注文本数据。

5.根据权利要求1所述的方法，其中，所述方法还包括：

获取文本相似度模型；

根据所述文本相似度模型，获取所述待标注文本数据库中所述错误文本样本对应的相似待标注文本数据；

将所述第一错误文本样本集中各个所述错误文本样本对应的相似待标注文本数据，确定为所述待推荐的待标注文本数据。

6.根据权利要求5所述的方法，其中，所述根据所述文本相似度模型，获取所述待标注文本数据库中所述错误文本样本对应的相似待标注文本数据，包括：

针对所述第一错误文本样本集中的每个错误文本样本，提取所述错误文本样本中的关键词；

根据所述关键词查询所述待标注文本数据库，将所述待标注文本数据库中包括所述关键词的待标注文本数据，确定为所述错误文本样本对应的候选相似待标注文本数据；

根据所述文本相似度模型，获取所述候选相似待标注文本数据中与所述错误文本样本对应的相似待标注文本数据。

7.根据权利要求1所述的方法，其中，所述方法还包括：

对所述待推荐的待标注文本数据进行标注处理以及组合处理，得到新增训练文本样本集；

采用所述新增训练文本样本集，对经所述第一训练文本样本集训练得到的文本处理模型进行训练处理，得到训练好的文本处理模型。

8.一种待标注文本数据的推荐装置，包括：

第一获取模块，用于获取第一训练文本样本集、多个第二训练文本样本集、验证文本样本集、经所述第一训练文本样本集训练得到的文本处理模型、所述文本处理模型在所述验证文本样本集上验证得到的第一错误文本样本集；其中，所述第二训练文本样本集中包括多个文本样本，以及文本样本对应的标注数据；

第二获取模块，用于针对每个第二训练文本样本集，采用所述第二训练文本样本集对文本处理模型进行重新训练，得到重新训练后的文本处理模型；采用所述验证文本样本集对重新训练后的文本处理模型进行验证处理，得到所述第二训练文本样本集对应的第二错误文本样本集；

第一选择模块，用于根据多个所述第二错误文本样本集，从多个所述第二训练文本样本集中选择正训练文本样本集以及负训练文本样本集；

训练模块，用于对所述第一训练文本样本集中的文本样本，以及所述正训练文本样本集中的文本样本进行配对处理，得到多个正文本样本对；对所述第一训练文本样本集中的文本样本，以及所述负训练文本样本集中的文本样本进行配对处理，得到多个负文本样本对；采用所述正文本样本对以及所述负文本样本对，对初始文本匹配模型进行训练，得到训练好的文本匹配模型；

第二选择模块，用于根据所述第一错误文本样本集以及所述文本匹配模型，从待标注文本数据库中选择待推荐的待标注文本数据。

9.根据权利要求8所述的装置，其中，所述第一获取模块具体用于，

获取训练文本样本数据以及验证文本样本集，所述训练文本样本数据包括多个已标注文本数据；

对所述训练文本样本数据进行拆分处理，得到所述第一训练文本样本集以及多个所述第二训练文本样本集；

采用所述第一训练文本样本集对初始文本处理模型进行训练，得到所述文本处理模型；

采用所述验证文本样本集对所述文本处理模型进行验证处理，得到所述第一训练文本样本集对应的第一错误文本样本集。

10.根据权利要求8所述的装置，其中，所述第一选择模块具体用于，

根据多个所述第二错误文本样本集中错误文本样本的数量，对多个所述第二错误文本样本集进行升序排序，得到排序结果；

将所述排序结果中排序在最前的第二错误文本样本集，确定为所述正训练文本样本集；

将所述排序结果中排序在最后的第二错误文本样本集，确定为所述负训练文本样本集。

11.根据权利要求8所述的装置，其中，所述第二选择模块具体用于，

针对所述第一错误文本样本集中的每个错误文本样本，根据所述文本匹配模型，获取所述待标注文本数据库中与所述错误文本样本匹配的候选待标注文本数据；

将所述第一错误文本样本集中各个所述错误文本样本匹配的候选待标注文本数据，确定为所述待推荐的待标注文本数据。

12.根据权利要求8所述的装置，其中，所述装置还包括：第三获取模块、第四获取模块以及确定模块；

所述第三获取模块，用于获取文本相似度模型；

所述第四获取模块，用于根据所述文本相似度模型，获取所述待标注文本数据库中所述错误文本样本对应的相似待标注文本数据；

所述确定模块，用于将所述第一错误文本样本集中各个所述错误文本样本对应的相似待标注文本数据，确定为所述待推荐的待标注文本数据。

13.根据权利要求12所述的装置，其中，所述第四获取模块具体用于，

针对所述第一错误文本样本集中的每个错误文本样本，提取所述错误文本样本中的关键词；

根据所述关键词查询所述待标注文本数据库，将所述待标注文本数据库中包括所述关键词的待标注文本数据，确定为所述错误文本样本对应的候选相似待标注文本数据；

根据所述文本相似度模型，获取所述候选相似待标注文本数据中与所述错误文本样本对应的相似待标注文本数据。

14.根据权利要求8所述的装置，其中，所述装置还包括：标注组合模块；

所述标注组合模块，用于对所述待推荐的待标注文本数据进行标注处理以及组合处理，得到新增训练文本样本集；

所述训练模块，还用于采用所述新增训练文本样本集，对经所述第一训练文本样本集训练得到的文本处理模型进行训练处理，得到训练好的文本处理模型。

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。