CN118152766A - 一种数据检测方法、装置及电子设备 - Google Patents

一种数据检测方法、装置及电子设备 Download PDF

Info

Publication number
CN118152766A
CN118152766A CN202410168229.XA CN202410168229A CN118152766A CN 118152766 A CN118152766 A CN 118152766A CN 202410168229 A CN202410168229 A CN 202410168229A CN 118152766 A CN118152766 A CN 118152766A
Authority
CN
China
Prior art keywords
data
target
marked
class
probability
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
Application number
CN202410168229.XA
Other languages
English (en)
Inventor
张东海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Nuodi Beijing Intelligent Technology Co ltd
Original Assignee
Lenovo Nuodi Beijing Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lenovo Nuodi Beijing Intelligent Technology Co ltd filed Critical Lenovo Nuodi Beijing Intelligent Technology Co ltd
Priority to CN202410168229.XA priority Critical patent/CN118152766A/zh
Publication of CN118152766A publication Critical patent/CN118152766A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本公开提供了一种数据检测方法、装置及电子设备，涉及计算机技术领域。方法包括：获取包含已标注数据的目标数据集；确定已标注数据与目标数据集中每个标注类别的类别相关度和数据相关度，类别相关度表征已标注数据属于标注类别的概率，数据相关度表征已标注数据与相关的至少一个其他已标注数据的类别分布概率；将类别相关度和数据相关度进行融合，得到已标注数据属于每个标注类别的目标概率。

Description

一种数据检测方法、装置及电子设备
技术领域
本公开涉及计算机技术领域，尤其涉及一种数据检测方法、装置及电子设备。
背景技术
标注准确的大型数据集对于训练高性能模型必不可少，因此在获取用于模型训练的大型数据集之后，往往还需要对大型数据集进行标注检测，但对于大型数据集来说，人工进行检测不仅费时费力，而且还会由于人工经验不足等原因导致检测失误；基于置信学习的自动检测方案虽然可以节省人力，但其检测方案单一，且基于强烈的假设，检测结果存在较大误差。
发明内容
本公开提供了一种数据检测方法、装置及电子设备，以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面，提供了一种数据检测方法，所述方法包括：获取包含已标注数据的目标数据集；确定所述已标注数据与所述目标数据集中每个标注类别的类别相关度和数据相关度，所述类别相关度表征所述已标注数据属于所述标注类别的概率，所述数据相关度表征所述已标注数据与相关的至少一个其他已标注数据的类别分布概率；将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率。
在一可实施方式中，确定所述已标注数据与所述目标数据集中每个标注类别的数据相关度，包括：确定所述已标注数据对应的相似数据集，所述相似数据集中包括与所述已标注数据的相似度符合相似条件的K个其他已标注数据；将所述相似数据集中每个标注类别对应的已标注数据的占比，确定为所述已标注数据与每个标注类别的数据相关度。
在一可实施方式中，所述将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率，包括：基于第一权重参数对所述已标注数据与某一标注类别的类别相关度进行调整，得到所述已标注数据与所述某一标注类别的目标类别相关度；基于第二权重参数对所述已标注数据与所述某一标注类别的数据相关度进行调整，得到所述已标注数据与所述某一标注类别的目标数据相关度；对所述已标注数据在所述某一标注类别下的目标类别相关度和目标数据相关度进行融合计算，以确定所述已标注数据与所述某一标注类别的目标概率。
在一可实施方式中，一种数据检测方法还包括：如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，所述目标条件表征所述已标注数据在所有标注类别下目标概率中的指定目标概率满足目标阈值，或，所述指定目标概率对应的标注类别与所述已标注数据的实际标注类别不同。
在一可实施方式中，所述指定目标概率为最大目标概率，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：确定所述已标注数据的最大目标概率，所述最大目标概率为所述已标注数据在所有标注类别下的目标概率中最大的目标概率；如果所述最大目标概率对应的标注类别与所述已标注数据的实际标注类别不同，则将所述已标注数据确定为标注异常的数据。
在一可实施方式中，所述指定目标概率为最大目标概率，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：确定所述已标注数据的最大目标概率，所述最大目标概率为所述已标注数据在所有标注类别下的目标概率中最大的目标概率；如果所述最大目标概率小于第一目标阈值，则将所述已标注数据确定为标注异常的数据。
在一可实施方式中，所述指定目标概率为目标概率两两之差的平均值，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：确定所述已标注数据在所有标注类别下目标概率两两之差的平均值；如果所述平均值小于第二目标阈值，则将所述已标注数据确定为标注异常的数据。
在一可实施方式中，所述指定目标概率为目标概率的两两之差中的最大差值，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：确定所述已标注数据在所有标注类别下目标概率的两两之差；如果所述两两之差中的最大差值小于第三目标阈值，则将所述已标注数据确定为标注异常的数据。
根据本公开的第二方面，提供了一种数据检测装置，所述装置包括：获取模块，用于获取包含已标注数据的目标数据集；确定模块，用于确定所述已标注数据与所述目标数据集中每个标注类别的类别相关度和数据相关度，所述类别相关度表征所述已标注数据属于所述标注类别的概率，所述数据相关度表征所述已标注数据与相关的至少一个其他已标注数据的类别分布概率；融合模块，用于将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率。
根据本公开的第三方面，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所述的方法。
根据本公开的第四方面，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所述计算机执行本公开所述的方法。
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
通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本公开实施例一种数据检测方法的流程示意图一；
图2示出了本公开实施例一种数据检测方法的流程示意图二；
图3示出了本公开实施例一种数据检测方法的流程示意图三；
图4示出了本公开实施例一种数据检测装置的结构示意图；
图5示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
图1示出了本公开实施例一种数据检测方法的流程示意图一，如图1所示，一种数据检测方法包括：
步骤S101，获取包含已标注数据的目标数据集。
在本实施例中，目标数据集为用于进行模型训练的数据集，目标数据集中包括多条已标注数据。在一示例中，可以获取多条用于进行模型训练的初始数据，然后由人工或标注模型标注多条初始数据的标注类别，得到已标注数据，并由多条已标注数据组成目标数据集，其中，标注模型用于基于输入的初始数据确定该初始数据对应的标注类别。
步骤S102，确定已标注数据与目标数据集中每个标注类别的类别相关度和数据相关度。
在本实施例中，将目标数据集中所有已标注数据对应的标注类别确定为目标数据集中的标注类别，例如，对于用于训练动物识别模型的目标数据集来说，目标数据集中的已标注数据对应的标注类别均为狐狸、狗和狼中的其中一个，则目标数据集中的标注类别包括狐狸、狗和狼；类别相关度表征已标注数据属于标注类别的概率，例如，已标注数据A分别属于标注类别狐狸、狗和狼的概率；数据相关度表征已标注数据与相关的至少一个其他已标注数据的类别分布概率，例如，已标注数据A相关的至少一个其他已标注数据中包括2条标注类别为狐狸的已标注数据、2条标注类别为狗的已标注数据、1条标注类别为狼的数据，则已标注数据A与标注类别狐狸和狗的数据相关度均为40％，与标注类别狼的数据相关度为20％。
在一可实施方式中，可以基于交叉验证的方法确定已标注数据与目标数据集中每个标注类别的类别相关度，若采用五折交叉验证，则将所有已标注数据平均分为5份数据，利用其中的4份数据对标注模型进行训练，并基于训练后的标注模型对剩余的1份数据进行标注，从而得到这1份数据中的已标注数据在每个标注类别下的置信度，并将该置信度确定为已标注数据与每个标注类别的类别相关度，利用类似的方法可以得到其余4份数据的类别相关度。
在一可实施方式中，与已标注数据相关的至少一个其他已标注数据可以是与已标注数据的相似度符合相似条件的其他已标注数据，即在确定已标注数据与目标数据集中每个标注类别的数据相关度时，先确定已标注数据对应的相似数据集，相似数据集中包括与已标注数据的相似度符合相似条件的优先级高的K个其他已标注数据，如计算已标注数据与所有其他已标注数据的相似度，由相似度前K高的其他已标注数据组成相似数据集，然后将相似数据集中每个标注类别对应的已标注数据的占比，确定为已标注数据与每个标注类别的数据相关度。
在一可实施方式中，与已标注数据相关的至少一个其他已标注数据还可以是与已标注数据的类别相关度的相似度符合相似条件的其他已标注数据，例如，每个已标注数据与所有标注类别的类别相关度可以用三维向量[Cf,Cd,Cw]表示，Cf表示该已标注数据与标注类别狐狸的类别相关度，Cd表示该已标注数据与标注类别狗的类别相关度，Cw表示该已标注数据与标注类别狼的类别相关度，在确定已标注数据与目标数据集中每个标注类别的数据相关度时，先确定已标注数据对应的相似数据集，相似数据集中包括与已标注数据的类别相关度的相似度符合相似条件的K个其他已标注数据，如计算已标注数据三维的类别相关度与其他已标注数据三维的类别相关度的相似度，由相似度前K高的其他已标注数据组成相似数据集，然后将相似数据集中每个标注类别对应的已标注数据的占比，确定为已标注数据与每个标注类别的数据相关度。
步骤S103，将类别相关度和数据相关度进行融合，得到已标注数据属于每个标注类别的目标概率。
在本实施例中，将已标注数据与某个标注类别的类别相关度和数据相关度进行融合，即可得到已标注数据属于该标注类别的目标概率，例如，将已标注数据A与标注类别狐狸的类别相关度和数据相关度之和，确定为已标注数据A属于标注类别狐狸的目标概率；将已标注数据A与标注类别狗的类别相关度和数据相关度之和，确定为已标注数据A属于标注类别狗的目标概率；已标注数据A与标注类别狼的类别相关度和数据相关度之和，确定为已标注数据A属于标注类别狼的目标概率。已标注数据属于每个标注类别的目标概率能够体现已标注数据是否容易标注错误，例如，若已标注数据在每个标注类别下的最大目标概率小于目标阈值，则认为已标注数据为标注异常的数据，或者，若已标注数据在所有标注类别下目标概率两两之差的平均值小于目标阈值，即已标注数据在所有标注类别下的目标概率比较相近，在对已标注数据进行标注时更容易发生标注类别混淆，则可以认为已标注数据为标注异常的数据。
在本实施例中，基于已标注数据与每个标注类别的类别相关度和数据相关度共同计算已标注数据属于每个标注类别的目标概率，不仅考虑了已标注数据属于标注类别的概率，即考虑了标注类别的类间相关性导致的标注错误，而且考虑了已标注数据与相关的至少一个其他已标注数据的类别分布概率，即考虑了数据个体的噪声及难以程度导致的标注错误，从而得到更加准确的目标概率，基于目标概率也更能体现出已标注数据是否容易标注错误，提高了数据检测的准确性，节省了大量人力。
图2示出了本公开实施例一种数据检测方法的流程示意图二，如图2所示，一种数据检测方法包括：
步骤S201，获取包含已标注数据的目标数据集。
步骤S202，确定已标注数据与目标数据集中每个标注类别的类别相关度和数据相关度。
步骤S201～步骤S202的具体实现过程与步骤S101～步骤S102类似，此处不再赘述。
步骤S203，基于第一权重参数对已标注数据与某一标注类别的类别相关度进行调整，得到已标注数据与某一标注类别的目标类别相关度。
步骤S204，基于第二权重参数对已标注数据与某一标注类别的数据相关度进行调整，得到已标注数据与某一标注类别的目标数据相关度。
在本实施例中，对已标注数据在某一标注类别下的类别相关度和数据相关度进行融合时，可以先基于第一权重参数对已标注数据在该标注类别下的类别相关度进行调整，即对第一权重参数与已标注数据在该标注类别下的类别相关度相乘，得到已标注数据与该标注类别的目标类别相关度，并基于第二权重参数对已标注数据在该标注类别下的数据相关度进行调整，即对第二权重参数与已标注数据在该标注类别下的数据相关度相乘，得到已标注数据与该标注类别的目标数据相关度。在一示例中，第一权重参数与第二权重参数均为0至1之间的小数，第一权重参数与第二权重参数之和为1。
步骤S205，对已标注数据在某一标注类别下的目标类别相关度和目标数据相关度进行融合计算，以确定已标注数据与某一标注类别的目标概率。
在本实施例中，可以将已标注数据在某一标注类别下的目标类别相关度和目标数据相关度进行相加或相乘等融合计算，以确定已标注数据与该标注类别的目标概率。
在一可实施方式中，可以基于如下公式一确定已标注数据与某一标注类别的目标概率：
P＝a×PC+b×PD公式一
其中，P为已标注数据与某一标注类别的目标概率，a为第一权重参数，b为第二权重参数，PC为已标注数据与该标注类别的类别相关度，PD为已标注数据与该标注类别的数据相关度。
在本实施例中，对已标注数据与某个标注类别的类别相关度和数据相关度进行融合时，可以先基于第一权重参数和第二权重参数分别对类别相关度和数据相关度进行调整，然后对调整后得到的目标类别相关度和目标数据相关度进行融合计算，从而可以得到更加准确的目标概率，基于目标概率也更能体现出已标注数据是否容易标注错误，提高了数据检测的准确性，节省了大量人力。
图3示出了本公开实施例一种数据检测方法的流程示意图三，如图3所示，一种数据检测方法包括：
步骤S301，获取包含已标注数据的目标数据集。
步骤S302，确定已标注数据与目标数据集中每个标注类别的类别相关度和数据相关度。
步骤S303，将类别相关度和数据相关度进行融合，得到已标注数据属于每个标注类别的目标概率。
步骤S301～步骤S303的具体实现过程与步骤S201～步骤S205类似，此处不再赘述。
步骤S304，如果目标概率满足目标条件，则确定已标注数据为标注异常的数据。
在本实施例中，目标条件表征已标注数据在所有标注类别下目标概率中的指定目标概率满足目标阈值，或，指定目标概率对应的标注类别与已标注数据的实际标注类别不同，其中，指定目标概率可以为以下至少之一：已标注数据在所有标注类别下目标概率中的最大目标概率、已标注数据在所有标注类别下目标概率两两之差的平均值和已标注数据在所有标注类别下目标概率两两之差中的最大差值。
在一可实施方式中，指定目标概率为最大目标概率，如果目标概率满足目标条件，则确定已标注数据为标注异常的数据，包括：确定已标注数据的最大目标概率，最大目标概率为已标注数据在所有标注类别下的目标概率中最大的目标概率；如果最大目标概率对应的标注类别与已标注数据的实际标注类别不同，则将已标注数据确定为标注异常的数据，其中，实际标注类别为已标注数据已被标注的标注类别，即步骤S101中由人工或标注模型对已标注数据添加的标注类别。
在一可实施方式中，指定目标概率为最大目标概率，如果目标概率满足目标条件，则确定已标注数据为标注异常的数据，包括：确定已标注数据的最大目标概率，最大目标概率为已标注数据在所有标注类别下的目标概率中最大的目标概率；如果最大目标概率小于第一目标阈值，说明已标注数据属于所有标注类别的目标概率均没有达到能够准确将已标注数据标注为该标注类别的数值，因此，可以将已标注数据确定为标注异常的数据。
在一可实施方式中，指定目标概率为目标概率两两之差的平均值，如果目标概率满足目标条件，则确定已标注数据为标注异常的数据，包括：确定已标注数据在所有标注类别下目标概率两两之差的平均值；如果平均值小于第二目标阈值，说明已标注数据在所有标注类别下的目标概率比较相近，在对已标注数据进行标注时更容易发生标注类别混淆，则可以将已标注数据确定为标注异常的数据。
在一可实施方式中，指定目标概率为目标概率两两之差中的最大差值，如果目标概率满足目标条件，则确定已标注数据为标注异常的数据，包括：确定已标注数据在所有标注类别下目标概率的两两之差；如果两两之差中的最大差值小于第三目标阈值，同样说明已标注数据在所有标注类别下的目标概率比较相近，在对已标注数据进行标注时更容易发生标注类别混淆，则可以将已标注数据确定为标注异常的数据。
需要强调的是，第一目标阈值、第二目标阈值和第三目标阈值可以根据实际情况自行设定，本公开不对其取值进行限定。
在本实施例中，在目标概率满足目标条件的情况下，确定已标注数据为标注异常的数据，其中，目标条件即所有标注类别下目标概率中的指定目标概率满足目标阈值，或，指定目标概率对应的标注类别与已标注数据的实际标注类别不同，目标概率满足目标条件则说明已标注数据容易被标注错误，因此，可以将已标注数据确定为标注异常的数据，从而提高数据检测结果的准确性以及数据检测的效率。
图4示出了本公开实施例一种数据检测装置的结构示意图，如图4所示，一种数据检测装置包括：
获取模块10，用于获取包含已标注数据的目标数据集；确定模块11，用于确定已标注数据与目标数据集中每个标注类别的类别相关度和数据相关度，类别相关度表征已标注数据属于标注类别的概率，数据相关度表征已标注数据与相关的至少一个其他已标注数据的类别分布概率；融合模块12，用于将类别相关度和数据相关度进行融合，得到已标注数据属于每个标注类别的目标概率。
在一可实施方式中，确定模块11还用于：确定已标注数据对应的相似数据集，相似数据集中包括与已标注数据的相似度符合相似条件的K个其他已标注数据；将相似数据集中每个标注类别对应的已标注数据的占比，确定为已标注数据与每个标注类别的数据相关度。
在一可实施方式中，融合模块12还用于：基于第一权重参数对已标注数据与某一标注类别的类别相关度进行调整，得到已标注数据与某一标注类别的目标类别相关度；基于第二权重参数对已标注数据与某一标注类别的数据相关度进行调整，得到已标注数据与某一标注类别的目标数据相关度；对已标注数据在某一标注类别下的目标类别相关度和目标数据相关度进行融合计算，以确定已标注数据与某一标注类别的目标概率。
在一可实施方式中，一种数据检测装置还包括：检测模块，用于如果目标概率满足目标条件，则确定已标注数据为标注异常的数据，目标条件表征已标注数据在所有标注类别下目标概率中的指定目标概率满足目标阈值，或，指定目标概率对应的标注类别与已标注数据的实际标注类别不同。
在一可实施方式中，检测模块还用于：确定已标注数据的最大目标概率，最大目标概率为已标注数据在所有标注类别下的目标概率中最大的目标概率；如果最大目标概率对应的标注类别与已标注数据的实际标注类别不同，则将已标注数据确定为标注异常的数据。
在一可实施方式中，检测模块还用于：确定已标注数据的最大目标概率，最大目标概率为已标注数据在所有标注类别下的目标概率中最大的目标概率；如果最大目标概率小于第一目标阈值，则将已标注数据确定为标注异常的数据。
在一可实施方式中，检测模块还用于：确定已标注数据在所有标注类别下目标概率两两之差的平均值；如果平均值小于第二目标阈值，则将已标注数据确定为标注异常的数据。
在一可实施方式中，检测模块还用于：确定已标注数据在所有标注类别下目标概率的两两之差；如果两两之差中的最大差值小于第三目标阈值，则将已标注数据确定为标注异常的数据。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
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、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RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803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。
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，例如一种数据检测方法。例如，在一些实施例中，一种数据检测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ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的一种数据检测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)而被配置为执行一种数据检测方法。
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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种数据检测方法，其特征在于，所述方法包括：
获取包含已标注数据的目标数据集；
确定所述已标注数据与所述目标数据集中每个标注类别的类别相关度和数据相关度，所述类别相关度表征所述已标注数据属于所述标注类别的概率，所述数据相关度表征所述已标注数据与相关的至少一个其他已标注数据的类别分布概率；
将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率。
2.根据权利要求1所述的方法，其特征在于，确定所述已标注数据与所述目标数据集中每个标注类别的数据相关度，包括：
确定所述已标注数据对应的相似数据集，所述相似数据集中包括与所述已标注数据的相似度符合相似条件的K个其他已标注数据；
将所述相似数据集中每个标注类别对应的已标注数据的占比，确定为所述已标注数据与每个标注类别的数据相关度。
3.根据权利要求1所述的方法，其特征在于，所述将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率，包括：
基于第一权重参数对所述已标注数据与某一标注类别的类别相关度进行调整，得到所述已标注数据与所述某一标注类别的目标类别相关度；
基于第二权重参数对所述已标注数据与所述某一标注类别的数据相关度进行调整，得到所述已标注数据与所述某一标注类别的目标数据相关度；
对所述已标注数据在所述某一标注类别下的目标类别相关度和目标数据相关度进行融合计算，以确定所述已标注数据与所述某一标注类别的目标概率。
4.根据权利要求1至3任一条所述的方法，其特征在于，还包括：
如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，所述目标条件表征所述已标注数据在所有标注类别下目标概率中的指定目标概率满足目标阈值，或，所述指定目标概率对应的标注类别与所述已标注数据的实际标注类别不同。
5.根据权利要求4所述的方法，其特征在于，所述指定目标概率为最大目标概率，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：
确定所述已标注数据的最大目标概率，所述最大目标概率为所述已标注数据在所有标注类别下的目标概率中最大的目标概率；
如果所述最大目标概率对应的标注类别与所述已标注数据的实际标注类别不同，则将所述已标注数据确定为标注异常的数据。
6.根据权利要求4所述的方法，其特征在于，所述指定目标概率为最大目标概率，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：
确定所述已标注数据的最大目标概率，所述最大目标概率为所述已标注数据在所有标注类别下的目标概率中最大的目标概率；
如果所述最大目标概率小于第一目标阈值，则将所述已标注数据确定为标注异常的数据。
7.根据权利要求4所述的方法，其特征在于，所述指定目标概率为目标概率两两之差的平均值，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：
确定所述已标注数据在所有标注类别下目标概率两两之差的平均值；
如果所述平均值小于第二目标阈值，则将所述已标注数据确定为标注异常的数据。
8.根据权利要求4所述的方法，其特征在于，所述指定目标概率为目标概率两两之差中的最大差值，所述如果所述目标概率满足目标条件，则确定所述已标注数据为标注异常的数据，包括：
确定所述已标注数据在所有标注类别下目标概率的两两之差；
如果所述两两之差中的最大差值小于第三目标阈值，则将所述已标注数据确定为标注异常的数据。
9.一种数据检测装置，其特征在于，所述装置包括：
获取模块，用于获取包含已标注数据的目标数据集；
确定模块，用于确定所述已标注数据与所述目标数据集中每个标注类别的类别相关度和数据相关度，所述类别相关度表征所述已标注数据属于所述标注类别的概率，所述数据相关度表征所述已标注数据与相关的至少一个其他已标注数据的类别分布概率；
融合模块，用于将所述类别相关度和所述数据相关度进行融合，得到所述已标注数据属于每个标注类别的目标概率。
10.一种电子设备，其特征在于，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1-8中任一项所述的方法。
CN202410168229.XA 2024-02-06 2024-02-06 一种数据检测方法、装置及电子设备 Pending CN118152766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410168229.XA CN118152766A (zh) 2024-02-06 2024-02-06 一种数据检测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410168229.XA CN118152766A (zh) 2024-02-06 2024-02-06 一种数据检测方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN118152766A true CN118152766A (zh) 2024-06-07

Family

ID=91300802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410168229.XA Pending CN118152766A (zh) 2024-02-06 2024-02-06 一种数据检测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN118152766A (zh)

Similar Documents

Publication Publication Date Title
CN113095336B (zh) 关键点检测模型的训练方法和检测目标对象关键点的方法
CN112579727B (zh) 文档内容的提取方法、装置、电子设备及存储介质
CN113792154B (zh) 故障关联关系的确定方法、装置、电子设备及存储介质
CN112861885B (zh) 图像识别方法、装置、电子设备及存储介质
CN114428677B (zh) 任务处理方法、处理装置、电子设备及存储介质
CN114881129A (zh) 一种模型训练方法、装置、电子设备及存储介质
CN113904943B (zh) 账号检测方法、装置、电子设备和存储介质
CN113704058B (zh) 一种业务模型的监控方法、装置及电子设备
CN115359308A (zh) 模型训练、难例识别方法、装置、设备、存储介质及程序
CN116841870A (zh) 一种测试方法、系统、装置、设备及存储介质
CN116302218A (zh) 函数信息的添加方法、装置、设备以及存储介质
CN114492370B (zh) 网页识别方法、装置、电子设备和介质
CN113554062B (zh) 多分类模型的训练方法、设备和存储介质
CN118152766A (zh) 一种数据检测方法、装置及电子设备
CN114817476A (zh) 语言模型的训练方法、装置、电子设备和存储介质
CN113961672A (zh) 信息标注方法、装置、电子设备和存储介质
CN115840867A (zh) 数学解题模型的生成方法、装置、电子设备和存储介质
CN113408633B (zh) 用于输出信息的方法、装置、设备以及存储介质
CN116416500B (zh) 图像识别模型训练方法、图像识别方法、装置及电子设备
CN113051470B (zh) 位置精度评估方法及装置、电子设备、计算机可读介质
CN112784997B (zh) 标注复核方法、装置、设备、存储介质以及程序产品
CN116991693B (zh) 一种测试方法、装置、设备及存储介质
CN114494818B (zh) 图像处理方法、模型训练方法、相关装置及电子设备
CN116302897B (zh) 一种数据集的建立方法、装置、电子设备及存储介质
CN113254993B (zh) 数据保护方法、装置、设备、存储介质和程序产品

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination