CN117271790A - 标注数据的扩充方法、装置、计算机设备及存储介质 - Google Patents
标注数据的扩充方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117271790A CN117271790A CN202311190225.3A CN202311190225A CN117271790A CN 117271790 A CN117271790 A CN 117271790A CN 202311190225 A CN202311190225 A CN 202311190225A CN 117271790 A CN117271790 A CN 117271790A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- annotation
- knowledge graph
- labeling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000002372 labelling Methods 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000005516 engineering process Methods 0.000 claims abstract description 55
- 238000010276 construction Methods 0.000 claims abstract description 21
- 238000011157 data evaluation Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请属于人工智能领域与金融科技领域,涉及一种标注数据的扩充方法,包括:从多个渠道获取文本数据;对文本数据中的非标注数据进行实体识别,得到处理后的非标注数据;对标注数据与处理后的非标注数据进行知识图谱构建得到目标知识图谱;获取待补充的原始标注数据;基于目标知识图谱对原始标注数据进行数据扩充处理,以构建出对应的目标标注数据。本申请还提供一种标注数据的扩充装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,目标标注数据可存储于区块链中。本申请可应用于金融领域的标注文本扩充场景,实现了对于原始标注数据的自动化扩充处理,有效提高了标注数据扩充的处理效率,以及提高了标注数据扩充的质量与效果。
Description
技术领域
本申请涉及人工智能开发技术领域与金融科技领域,尤其涉及标注数据的扩充方法、装置、计算机设备及存储介质。
背景技术
随着人工智能的快速发展,在计算机视觉、自然语言处理等方面出现了极大的突破,相应的,随着人工智能的快速发展,数据标注的需求在金融科技公司,例如保险公司、银行等的业务处理中也在逐步增加。
在现有的很多金融行业应用中,例如金融、医疗、电商等,都需要对大量的文本数据进行标注和分类,以支持后续的数据挖掘、机器学习等任务。但是由于标注数据的获取成本较高,目前可用的标注数据量往往比较有限,且质量参差不齐,这也成为了当前标注数据处理中的痛点之一。
现有的应用于金融行业中的标注数据扩充的方法,通过是由人工构建统一的数据扩充规则,进而在业务系统中运行该数据扩充规则来进行对于待扩充的标注数据的数据扩充处理,这种处理方式需要手动配置规则,从而需要消耗较多的人力资源,导致数据扩充的处理效率较低。另外,由于数据扩充规则相对简单且固定,较多依赖于人工经验,从而导致数据标注质量较差。
发明内容
本申请实施例的目的在于提出一种标注数据的扩充方法、装置、计算机设备及存储介质,以解决现有的应用于金融行业中的标注数据扩充的方法需要手动配置规则,从而需要消耗较多的人力资源,导致数据扩充的处理效率较低,且由于数据扩充规则相对简单且固定,从而导致数据标注质量较差的技术问题。
为了解决上述技术问题,本申请实施例提供一种标注数据的扩充方法,采用了如下所述的技术方案:
从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
获取待补充的原始标注数据;
基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
进一步的,所述从预设的多个渠道获取文本数据的步骤,具体包括:
从所述多个渠道分别获取各自对应的渠道文本数据;
对所有所述渠道文本数据进行整合处理,得到对应的初始文本数据;
对所述初始文本数据进行数据清洗处理,得到对应的第一文本数据;
对所述第一文本数据进行数据去重处理,得到对应的第二文本数据;
对所述第二文本数据进行格式化处理,得到对应的第三文本数据;
将所述第三文本数据作为所述文本数据。
进一步的,所述对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据的步骤,具体包括:
获取预设的实体识别策略;
调用与所述实体识别策略对应的目标处理介质;
基于所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
进一步的,所述基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱的步骤,具体包括:
基于所述知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧,得到对应的第一数据;
对所述第一数据进行实体链接,得到对应的第二数据;
对所述第二数据进行知识抽取,得到对应的第三数据;
对所述第三数据进行知识融合,以构建出对应的所述目标知识图谱。
进一步的,所述基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据的步骤,具体包括:
获取所述原始标注数据中包含的目标标签;
从所述目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系;
从所述目标知识图谱中获取与所述目标语义关系匹配的目标知识数据;
基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据。
进一步的,所述基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据的步骤,具体包括:
获取与所述原始标注数据对应的指定数据格式;
基于所述指定数据格式对所述目标知识数据进行格式整理,得到整理后的目标知识数据;
将所述整理后的目标知识数据作为所述目标标注数据。
进一步的,在所述基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据的步骤之后,还包括:
获取预设的数据评估规则;
基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据;
基于所述指定标注数据对所述目标标注数据进行替换处理。
为了解决上述技术问题,本申请实施例还提供一种标注数据的扩充装置,采用了如下所述的技术方案:
第一获取模块,用于从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
识别模块,用于对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
构建模块,用于基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
第二获取模块,用于获取待补充的原始标注数据;
第一处理模块,用于基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
获取待补充的原始标注数据;
基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
获取待补充的原始标注数据;
基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的多个渠道获取文本数据;然后对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;之后基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;后续获取待补充的原始标注数据;最后基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。本申请实施例在从预设的多个渠道获取文本数据后,通过利用知识图谱技术对文本数据进行知识图谱构建以得到目标知识图谱,然后用目标知识图谱从多个不同渠道的文本数据中挖掘出潜在的知识关系,进而实现对于原始标注数据的自动化扩充处理,可以有效提高标注数据扩充的处理效率,以及提高标注数据扩充的质量与效果。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的标注数据的扩充方法的一个实施例的流程图;
图3是根据本申请的标注数据的扩充装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,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、无线通信链路或者光纤电缆等等。
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上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、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,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的标注数据的扩充方法一般由服务器/终端设备执行,相应地,标注数据的扩充装置一般设置于服务器/终端设备中。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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。
继续参考图2,示出了根据本申请的标注数据的扩充方法的一个实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。本申请实施例提供的标注数据的扩充方法能够应用于任意一种需要进行标注数据扩充的场景中,则该标注数据的扩充方法能够应用于这些场景的产品中,例如,金融保险领域中的金融标注数据扩充。所述的标注数据的扩充方法,包括以下步骤:
步骤S201,从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据。
在本实施例中,标注数据的扩充方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式获取文本数据。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。在金融科技领域的应用场景下,上述渠道可以包括保险系统渠道、银行系统渠道、交易系统渠道、订单系统渠道等。其中,上述从预设的多个渠道获取文本数据的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S202,对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
在本实施例中,通过对所述文本数据中的所述非标注数据进行实体识别,以提取出非标注数据中的实体名称与关系并进行标注,以得到处理后的非标注数据。示例性,实体可包括如人名、地名、组织名等。其中,上述对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S203,基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱。
在本实施例中,随着人工智能技术的不断发展,知识图谱技术作为一种重要的人工智能技术,已经成为了人工智能领域的重要研究方向之一。知识图谱是以图形结构表示知识,通过抽取和融合多源异构数据,建立起知识的统一、形式化的表示,为语义搜索、问答、智能推荐等应用提供强有力的支持。其中,上述基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S204,获取待补充的原始标注数据。
在本实施例中,上述原始标注数据为预先构建的标注数据,该原始标注数据可为由人工进行标注处理后得到的标注数据。示例性的,在金融保险领域的保险购买意图预测场景下,上述待补充的原始标注数据可为预先构建出的用于进行保险购买意图识别的初步的训练数据与测试数据。
步骤S205,基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
在本实施例中,上述基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。通过使用基于知识图谱技术构建的目标知识图谱来进行对于原始标注数据的扩充处理,可以不仅利用目标知识图谱内已有的标注数据,还可以利用其他非标注数据来进行原始标注数据的扩充处理。如此,可以有效提高扩充数据的覆盖率和准确度,从而提高标注数据扩充的效果。另外,由于知识图谱技术可以自动抽取和融合知识,因而通过使用目标知识图谱从多个不同渠道的文本数据中挖掘出潜在的知识关系,进而实现对于原始标注数据的自动化扩充,有利于提高生成的扩充后的目标标注数据的质量和效果。
本申请首先从预设的多个渠道获取文本数据;然后对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;之后基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;后续获取待补充的原始标注数据;最后基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。本申请在从预设的多个渠道获取文本数据后,通过利用知识图谱技术对文本数据进行知识图谱构建以得到目标知识图谱,然后用目标知识图谱从多个不同渠道的文本数据中挖掘出潜在的知识关系,进而实现对于原始标注数据的自动化扩充处理,可以有效提高标注数据扩充的处理效率,以及提高标注数据扩充的质量与效果。
在一些可选的实现方式中,步骤S201包括以下步骤:
从所述多个渠道分别获取各自对应的渠道文本数据。
在本实施例中,在金融科技领域的应用场景下,上述渠道可包括保险系统渠道、银行系统渠道、交易系统渠道、订单系统渠道等。上述渠道文本数据可包括标注数据、非标注数据、知识库等数据。
对所有所述渠道文本数据进行整合处理,得到对应的初始文本数据。
在本实施例中,可通过对所有不同来源的渠道文本数据进行整合处理,以得到对应的初始文本数据。
对所述初始文本数据进行数据清洗处理,得到对应的第一文本数据。
在本实施例中,可通过调用现有的数据清洗工具对所述初始文本数据进行数据清洗处理,以得到对应的第一文本数据。其中,对于数据清洗工具的选取不做具体限定,可根据实际的使用选取进行选取。
对所述第一文本数据进行数据去重处理,得到对应的第二文本数据。
在本实施例中,调用现有的数据去重工具对所述第一文本数据进行数据去重处理,以得到具有数据唯一性的第二文本数据。其中,对于数据去重工具的选取不做具体限定,可根据实际的使用选取进行选取。
对所述第二文本数据进行格式化处理,得到对应的第三文本数据。
在本实施例中,先获取预设的标准格式,再使用该标准格式对对所述第二文本数据进行统一的格式化处理,以得到对应的第三文本数据。其中,对于上述标准格式的设置不做具体限定,可根据实际的业务需求进行设置。
将所述第三文本数据作为所述文本数据。
本申请通过从所述多个渠道分别获取各自对应的渠道文本数据;然后对所有所述渠道文本数据进行整合处理,得到对应的初始文本数据;之后对所述初始文本数据进行数据清洗处理,得到对应的第一文本数据;后续对所述第一文本数据进行数据去重处理,得到对应的第二文本数据;进一步对所述第二文本数据进行格式化处理,得到对应的第三文本数据;最后将所述第三文本数据作为所述文本数据。本申请在从所述多个渠道分别获取各自对应的渠道文本数据后,通过对所有渠道文本数据进行整合、数据清洗、数据去重以及格式化处理,以实现快速地完成对于渠道文本数据的预处理,从而得到符合后续的目标知识图谱的构建处理所需的文本数据,保证了生成的文本数据的准确度,有利于提高构建的目标知识图谱的数据准确度。
在本实施例的一些可选的实现方式中,步骤S202包括以下步骤:
获取预设的实体识别策略。
在本实施例中,上述实体识别策略至少可包括基于规则的实体识别策略、基于机器学习模型的实体识别策略。对于该实体识别策略的选取可根据实际的业务使用需求进行设置。
调用与所述实体识别策略对应的目标处理介质。
在本实施例中,如果实体识别策略为基于规则的实体识别策略,则与该实体识别策略对应的目标处理介质为预先构建的具有执行实体识别规则的功能的处理引擎;如果实体识别策略为基于机器学习模型的实体识别策略,则与该实体识别策略对应的目标处理介质为预先构建的具有执行实体识别的功能的机器学习模型。
基于所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
在本实施例中,可通过将所述文本数据中的所述非标注数据输入至所述目标处理介质内,以通过所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
本申请通过获取预设的实体识别策略;然后调用与所述实体识别策略对应的目标处理介质;后续基于所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。本申请通过使用与预设的实体识别策略对应的目标处理介质对所述文本数据中的所述非标注数据进行实体识别,可以实现自动快速地完成实体识别处理,并生成处理后的非标注数据,提高了实体识别的处理智能性与处理效率。
在一些可选的实现方式中,步骤S203包括以下步骤:
基于所述知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧,得到对应的第一数据。
在本实施例中,在获得不同来源的知识之后,需要对其进行整合,以消除矛盾和歧义。比如某些实体可能有多种表达,某个特定称谓也许对应于多个不同的实体等。因此,需要对于来自不同来源的数据中存在的同一实体进行消歧,以保证后续处理中的实体名称一致性。其中,实体消歧可以使用机器学习模型或规则来实现。
对所述第一数据进行实体链接,得到对应的第二数据。
在本实施例中,可通过将第一数据中包含的实体链接到已有的知识库中,以便于后续的知识抽取与知识融合的执行。
对所述第二数据进行知识抽取,得到对应的第三数据。
在本实施例中,上述知识抽取可包括抽取出实体之间的关系,还可以包括事件抽取。其中,知识抽取可以使用机器学习模型或规则来实现。
对所述第三数据进行知识融合,以构建出对应的所述目标知识图谱。
在本实施例中,知识融合的过程可包括知识体系的融合和实例的融合。知识体系的融合就是两个或多个异构知识体系进行融合,相同的类别、属性、关系进行映射;实例的融合,就是两个图谱中的实例进行融合,包括实体实例和关系实例。其中,知识融合可以使用机器学习模型或规则来实现。
本申请通过基于所述知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧,得到对应的第一数据;然后对所述第一数据进行实体链接,得到对应的第二数据;之后对所述第二数据进行知识抽取,得到对应的第三数据;后续对所述第三数据进行知识融合,以构建出对应的所述目标知识图谱。本申请通过使用知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧、实体链接、知识抽取以及知识融合处理,可以实现自动快速地构建出与上述文本数据相对应的目标知识图谱,提高了目标知识图谱的构建效率,保证了生成的目标知识图谱的数据准确度。
在一些可选的实现方式中,步骤S205包括以下步骤:
获取所述原始标注数据中包含的目标标签。
在本实施例中,上述原始标注数据为进行过数据标注处理的数据,可通过对该原始标注数据进行数据分析,以提取出所述原始标注数据中包含的目标标签。示例性的,如果原始标注数据的内容包括(A保险公司,标签:A保险公司的明星保险产品的名称,保险产品),则对应的原始标注数据中包含的目标标签为A保险公司的明星保险产品的名称。
从所述目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系。
在本实施例中,可通过确定与所述目标标签的属性属于相同类型的目标属性,然后从所述目标知识图谱中筛选出与上述目标属性对应的语义关系,以得到上述目标语义关系。知识图谱中的知识表示方法是以本体为核心,以RDF的三元组模式为基础框架,但更多的体现实体、类别、属性、关系等多颗粒度多层次的语义关系。实体是知识图谱中的一个概念,它用一些属性或特征,描述了客观世界某一类事物的共性特征,并通过“关系”描述它与其他本体之间的关系。例如,本体“作家”,有"代表作”,"获奖”等属性,与本体“艺术家”属于“从属关系”。
从所述目标知识图谱中获取与所述目标语义关系匹配的目标知识数据。
在本实施例中,可基于所述目标语义关系对从所述目标知识图谱进行数据查询,以查询出包含该目标语义关系的所有知识数据,从而得到上述目标知识数据。
基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据。
在本实施例中,上述基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
本申请通过获取所述原始标注数据中包含的目标标签;然后从所述目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系;之后从所述目标知识图谱中获取与所述目标语义关系匹配的目标知识数据;后续基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据。本申请通过对获取到的所述原始标注数据中包含的目标标签进行分析,以从目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系,并提取出包含该目标语义关系的目标知识数据,进而基于所述目标知识数据实现自动快速地构建出与所述原始标注数据对应的所述目标标注数据。通过使用预先构建的目标知识图谱来从内部存储的所有知识数据中挖掘出与原始标注数据中包含的目标标签关联的潜在的知识关系,进而通过自动化的方式实现对于原始标注数据的标注数据扩充处理,可以有效提高标注数据扩充的处理效率,以及提高标注数据扩充的质量与效果。
在本实施例的一些可选的实现方式中,所述基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据,包括以下步骤:
获取与所述原始标注数据对应的指定数据格式。
在本实施例中,可通过对所述原始标注数据进行格式解析,以获取到所述原始标注数据对应的指定数据格式。示例性的,如果原始标注数据的内容包括(A保险公司,标签:A保险公司的明星保险产品的名称,保险产品),则该原始标注数据的数据格式为(实体1,标签,实体2)。
基于所述指定数据格式对所述目标知识数据进行格式整理,得到整理后的目标知识数据。
在本实施例中,基于所述指定数据格式对所述目标知识数据进行格式整理,以将目标知识数据转化为与该指定数据格式相同的数据格式,从而得到整理后的目标知识数据。
将所述整理后的目标知识数据作为所述目标标注数据。
本申请通过获取与所述原始标注数据对应的指定数据格式;然后基于所述指定数据格式对所述目标知识数据进行格式整理,得到整理后的目标知识数据;后续将所述整理后的目标知识数据作为所述目标标注数据。本申请通过使用与所述原始标注数据对应的指定数据格式对所述目标知识数据进行格式整理,从而可以实现自动快速地构建出与原始标注数据的数据格式匹配的目标标注数据,提高了目标标注数据的生成效率,保证了生成的目标标注数据的数据规范性与数据准确性。
在本实施例的一些可选的实现方式中,在步骤S205之后,上述电子设备还可以执行以下步骤:
获取预设的数据评估规则。
在本实施例中,上述数据评估规则可包括人工评估规则或自动评估规则,优选采用人工评估规则,以实现根据审核人员的业务调整需求对标注数据进行相应调整,以确保最终生成的标注数据的质量与准确性。
基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据。
在本实施例中,若数据评估规则为人工评估规则,则基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据的过程具体可包括:通过获取预设的调整提醒信息;其中,所述调整提醒信息为预先构建的用于提醒相关人员对标注数据进行评估与调整处理的提醒信息。对于该调整提醒信息的内容不做限定,可根据实际的业务需求进行编写;获取目标审核人员的通讯信息;基于所述通讯信息,将所述调整提醒信息与所述目标标注数据推送给所述目标审核人员;接收所述目标审核人员基于所述调整提醒信息,返回的与所述目标标注数据对应的调整后的标注数据,并将所述调整后的标注数据作为所述指定标注数据。其中,上述符合预期条件的指定标注数据指所述目标审核人员返回的与所述目标标注数据对应的调整后的标注数据。
基于所述指定标注数据对所述目标标注数据进行替换处理。
在本实施例中,可通过使用所述指定标注数据对所述目标标注数据进行替换处理,以完成对于目标标注数据的更新,从而生成准确性更高的标注数据。
本申请通过获取预设的数据评估规则;然后基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据;后续基于所述指定标注数据对所述目标标注数据进行替换处理。本申请基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据后,还会智能地基于预设的数据评估规则对所述目标标注数据进行评估与调整处理以得到符合预期条件的指定标注数据,进而基于所述指定标注数据对所述目标标注数据进行替换处理以构建出最终的对原始标注数据进行扩充后的指定标注数据,有效保证了生成的指定标注数据的质量与准确度,提高了生成的指定标注数据的智能性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
需要强调的是,为进一步保证上述目标标注数据的私密和安全性,上述目标标注数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种标注数据的扩充装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的标注数据的扩充装置300包括:第一获取模块301、识别模块302、构建模块303、第二获取模块304以及第一处理模块305。其中:
第一获取模块301,用于从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
识别模块302,用于对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
构建模块303,用于基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
第二获取模块304,用于获取待补充的原始标注数据;
第一处理模块305,用于基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第一获取模块301包括:
第一获取子模块,用于从所述多个渠道分别获取各自对应的渠道文本数据;
第一处理子模块,用于对所有所述渠道文本数据进行整合处理,得到对应的初始文本数据;
第二处理子模块,用于对所述初始文本数据进行数据清洗处理,得到对应的第一文本数据;
第三处理子模块,用于对所述第一文本数据进行数据去重处理,得到对应的第二文本数据;
第四处理子模块,用于对所述第二文本数据进行格式化处理,得到对应的第三文本数据;
第一确定子模块,用于将所述第三文本数据作为所述文本数据。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,识别模块302包括:
第二获取子模块,用于获取预设的实体识别策略;
调用子模块,用于调用与所述实体识别策略对应的目标处理介质;
识别子模块,用于基于所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,构建模块303包括:
第五处理子模块,用于基于所述知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧,得到对应的第一数据;
第六处理子模块,用于对所述第一数据进行实体链接,得到对应的第二数据;
第七处理子模块,用于对所述第二数据进行知识抽取,得到对应的第三数据;
第八处理子模块,用于对所述第三数据进行知识融合,以构建出对应的所述目标知识图谱。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第一处理模块305包括:
第三获取子模块,用于获取所述原始标注数据中包含的目标标签;
筛选子模块,用于从所述目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系;
第四获取子模块,用于从所述目标知识图谱中获取与所述目标语义关系匹配的目标知识数据;
构建子模块,用于基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,构建子模块包括:
获取单元,用于获取与所述原始标注数据对应的指定数据格式;
整理单元,用于基于所述指定数据格式对所述目标知识数据进行格式整理,得到整理后的目标知识数据;
确定单元,用于将所述整理后的目标知识数据作为所述目标标注数据。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,标注数据的扩充装置还包括:
第三获取模块,用于获取预设的数据评估规则;
第二处理模块,用于基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据;
第三处理模块,用于基于所述指定标注数据对所述目标标注数据进行替换处理。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的标注数据的扩充方法的步骤一一对应,在此不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如标注数据的扩充方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述标注数据的扩充方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的多个渠道获取文本数据;然后对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;之后基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;后续获取待补充的原始标注数据;最后基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。本申请实施例在从预设的多个渠道获取文本数据后,通过利用知识图谱技术对文本数据进行知识图谱构建以得到目标知识图谱,然后用目标知识图谱从多个不同渠道的文本数据中挖掘出潜在的知识关系,进而实现对于原始标注数据的自动化扩充处理,可以有效提高标注数据扩充的处理效率,以及提高标注数据扩充的质量与效果。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的标注数据的扩充方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的多个渠道获取文本数据;然后对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;之后基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;后续获取待补充的原始标注数据;最后基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。本申请实施例在从预设的多个渠道获取文本数据后,通过利用知识图谱技术对文本数据进行知识图谱构建以得到目标知识图谱,然后用目标知识图谱从多个不同渠道的文本数据中挖掘出潜在的知识关系,进而实现对于原始标注数据的自动化扩充处理,可以有效提高标注数据扩充的处理效率,以及提高标注数据扩充的质量与效果。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种标注数据的扩充方法,其特征在于,包括下述步骤:
从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
获取待补充的原始标注数据;
基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
2.根据权利要求1所述的标注数据的扩充方法,其特征在于,所述从预设的多个渠道获取文本数据的步骤,具体包括:
从所述多个渠道分别获取各自对应的渠道文本数据;
对所有所述渠道文本数据进行整合处理,得到对应的初始文本数据;
对所述初始文本数据进行数据清洗处理,得到对应的第一文本数据;
对所述第一文本数据进行数据去重处理,得到对应的第二文本数据;
对所述第二文本数据进行格式化处理,得到对应的第三文本数据;
将所述第三文本数据作为所述文本数据。
3.根据权利要求1所述的标注数据的扩充方法,其特征在于,所述对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据的步骤,具体包括:
获取预设的实体识别策略;
调用与所述实体识别策略对应的目标处理介质;
基于所述目标处理介质对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据。
4.根据权利要求1所述的标注数据的扩充方法,其特征在于,所述基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱的步骤,具体包括:
基于所述知识图谱技术,对所述标注数据与所述处理后的非标注数据进行实体消歧,得到对应的第一数据;
对所述第一数据进行实体链接,得到对应的第二数据;
对所述第二数据进行知识抽取,得到对应的第三数据;
对所述第三数据进行知识融合,以构建出对应的所述目标知识图谱。
5.根据权利要求1所述的标注数据的扩充方法,其特征在于,所述基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据的步骤,具体包括:
获取所述原始标注数据中包含的目标标签;
从所述目标知识图谱中筛选出与所述目标标签的属性对应的目标语义关系;
从所述目标知识图谱中获取与所述目标语义关系匹配的目标知识数据;
基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据。
6.根据权利要求5所述的标注数据的扩充方法,其特征在于,所述基于所述目标知识数据构建出与所述原始标注数据对应的所述目标标注数据的步骤,具体包括:
获取与所述原始标注数据对应的指定数据格式;
基于所述指定数据格式对所述目标知识数据进行格式整理,得到整理后的目标知识数据;
将所述整理后的目标知识数据作为所述目标标注数据。
7.根据权利要求1所述的标注数据的扩充方法,其特征在于,在所述基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据的步骤之后,还包括:
获取预设的数据评估规则;
基于所述数据评估规则对所述目标标注数据进行评估与调整处理,得到符合预期条件的指定标注数据;
基于所述指定标注数据对所述目标标注数据进行替换处理。
8.一种标注数据的扩充装置,其特征在于,包括:
第一获取模块,用于从预设的多个渠道获取文本数据;其中,所述文本数据至少包括标注数据与非标注数据;
识别模块,用于对所述文本数据中的所述非标注数据进行实体识别,得到处理后的非标注数据;
构建模块,用于基于知识图谱技术对所述标注数据与所述处理后的非标注数据进行知识图谱构建,得到对应的目标知识图谱;
第二获取模块,用于获取待补充的原始标注数据;
第一处理模块,用于基于所述目标知识图谱对所述原始标注数据进行数据扩充处理,以构建出与所述原始标注数据对应的目标标注数据。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的标注数据的扩充方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的标注数据的扩充方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190225.3A CN117271790A (zh) | 2023-09-14 | 2023-09-14 | 标注数据的扩充方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190225.3A CN117271790A (zh) | 2023-09-14 | 2023-09-14 | 标注数据的扩充方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117271790A true CN117271790A (zh) | 2023-12-22 |
Family
ID=89205507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311190225.3A Pending CN117271790A (zh) | 2023-09-14 | 2023-09-14 | 标注数据的扩充方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117271790A (zh) |
-
2023
- 2023-09-14 CN CN202311190225.3A patent/CN117271790A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117195886A (zh) | 基于人工智能的文本数据处理方法、装置、设备及介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN112199954A (zh) | 基于语音语义的疾病实体匹配方法、装置及计算机设备 | |
CN116703515A (zh) | 基于人工智能的推荐方法、装置、计算机设备及存储介质 | |
CN116755688A (zh) | 组件处理方法、装置、计算机设备及存储介质 | |
CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
CN115730603A (zh) | 基于人工智能的信息提取方法、装置、设备及存储介质 | |
CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
CN117271790A (zh) | 标注数据的扩充方法、装置、计算机设备及存储介质 | |
CN112069807A (zh) | 文本数据的主题提取方法、装置、计算机设备及存储介质 | |
CN115544282A (zh) | 基于图数据库的数据处理方法、装置、设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN118227491A (zh) | 测试用例的生成方法、装置、计算机设备及存储介质 | |
CN117076595A (zh) | 基于人工智能的文本处理方法、装置、设备及存储介质 | |
CN117389607A (zh) | 看板配置方法、装置、计算机设备及存储介质 | |
CN117421207A (zh) | 智能评估影响点测试方法、装置、计算机设备及存储介质 | |
CN117235260A (zh) | 基于人工智能的文本标注方法、装置、设备及存储介质 | |
CN117034173A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117933699A (zh) | 任务分析方法、装置、计算机设备及存储介质 | |
CN116166858A (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN117290597A (zh) | 基于人工智能的信息推送方法、装置、设备及存储介质 | |
CN117788051A (zh) | 基于人工智能的客户偏好分析方法、装置、设备及介质 | |
CN116702751A (zh) | 基于人工智能的公式处理方法、装置、设备及存储介质 |
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 |