CN117473321A - 文本标注方法、装置和存储介质 - Google Patents
文本标注方法、装置和存储介质 Download PDFInfo
- Publication number
- CN117473321A CN117473321A CN202311474511.2A CN202311474511A CN117473321A CN 117473321 A CN117473321 A CN 117473321A CN 202311474511 A CN202311474511 A CN 202311474511A CN 117473321 A CN117473321 A CN 117473321A
- Authority
- CN
- China
- Prior art keywords
- labeling
- text
- data
- model
- labeled
- 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
- 238000002372 labelling Methods 0.000 title claims abstract description 281
- 238000003860 storage Methods 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000013064 chemical raw material Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种文本标注方法、装置和存储介质。该方法包括:获取待标注文本;利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,第一标注数据用于训练离线模型;在离线模型满足第一预设条件的情况下,利用离线模型对第二待标注文本进行实体标注,得到第二标注数据,其中,第二待标注文本与第一待标注文本不同。根据本申请实施例,可以实现在没有大量训练数据的积累的情况下即可利用在线模型开始对文本进行标注,提高了文本标注时的效率。同时,可以不间断地处理待标注文本,且在满足标注速度要求的情况下进一步提升文本的标注质量,从而可以高效快速产出高质量的语料。
Description
技术领域
本公开涉及自然语言处理领域,尤其涉及一种文本标注方法、装置和存储介质。
背景技术
在自然语言处理领域中,基于大规模的带标注数据进行模型的训练得到长足的发展与进步。当我们在使用搜索引擎、语音助手、检索***等时,都涉及到了许多不同类型的自然语言处理模型,在训练模型的时候,我们需要大量的标注数据,有效的标注数据的使用能够大大提高标注的效率和训练得到的模型的准确率。
当前的标注方法无法提高标注过程中的效率,加速标注的过程。因此,亟需一种新型的文本标注方法以实现高效快速产出高质量的语料。
发明内容
有鉴于此,本公开提出了一种文本标注方法、装置和存储介质。
根据本公开的一方面,提供了一种文本标注方法。该方法包括:获取待标注文本;利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,第一标注数据用于训练离线模型;在离线模型满足第一预设条件的情况下,利用离线模型对第二待标注文本进行实体标注,得到第二标注数据,其中,第二待标注文本与第一待标注文本不同。
在一种可能的实现方式中,该方法包括:在第一标注数据的数据量达到预设阈值的情况下,利用第一标注数据对离线模型进行训练。
在一种可能的实现方式中,在线模型包括第一在线模型和第二在线模型,利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,包括:基于预定词库,利用第一在线模型对第一待标注文本中与预定词库关联的实体进行标注,得到中间标注文本;利用第二在线模型对中间标注文本进行实体标注,得到第一标注数据。
在一种可能的实现方式中,第二在线模型为训练后的第二在线模型,该方法还包括:响应于第二在线模型不满足第二预设条件,获取训练标注数据;利用训练标注数据,对第二在线模型进行在线训练;响应于第二在线模型满足第二预设条件,得到训练后的第二在线模型。
在一种可能的实现方式中,获取训练标注数据,包括:基于预定词库,利用第一在线模型对训练初始数据进行实体标注,得到第三标注数据;响应于针对第三标注数据的第一标注操作,基于第一标注操作更新第三标注数据,得到训练标注数据。
在一种可能的实现方式中,该方法还包括:利用第一标注数据和第二标注数据,对离线模型进行更新训练。
在一种可能的实现方式中,利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,包括:利用在线模型对至少一个第一待标注文本进行实体标注,得到第四标注数据;响应于针对第四标注数据的第二标注操作,基于第二标注操作更新第四标注数据,得到第一标注数据。
根据本申请实施例,通过获取待标注文本,首先利用在线模型对第一待标注文本中的进行实体标注,可以实现在没有大量训练数据的积累的情况下即可利用在线模型开始对文本进行标注,提高了文本标注时的效率。同时,通过使离线模型在满足预设条件的情况下,对与第一待标注文本不同的第二待标注文本进行实体标注,结合了离线、在线模型的切换过程,可以不间断地处理待标注文本,且在满足标注速度要求的情况下进一步提升文本的标注质量,从而可以高效快速产出高质量的语料。
根据本公开的另一方面,提供了一种文本标注装置。该装置包括:第一获取模块,用于获取待标注文本;第一实体标注模块,用于利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,第一标注数据用于训练离线模型;第二实体标注模块,用于在离线模型满足第一预设条件的情况下,利用离线模型对第二待标注文本进行实体标注,得到第二标注数据,其中,第二待标注文本与第一待标注文本不同。
在一种可能的实现方式中,该装置还包括:第一训练模块,用于在第一标注数据的数据量达到预设阈值的情况下,利用第一标注数据对离线模型进行训练。
在一种可能的实现方式中,在线模型包括第一在线模型和第二在线模型,第一实体标注模块,用于:基于预定词库,利用第一在线模型对第一待标注文本中与预定词库关联的实体进行标注,得到中间标注文本;利用第二在线模型对中间标注文本进行实体标注,得到第一标注数据。
在一种可能的实现方式中,第二在线模型为训练后的第二在线模型,该装置还包括:第二获取模块,用于响应于第二在线模型不满足第二预设条件,获取训练标注数据;第二训练模块,用于利用训练标注数据,对第二在线模型进行在线训练;确定模块,用于响应于第二在线模型满足第二预设条件,得到训练后的第二在线模型。
在一种可能的实现方式中,第二获取模块,用于:基于预定词库,利用第一在线模型对训练初始数据进行实体标注,得到第三标注数据;响应于针对第三标注数据的第一标注操作,基于第一标注操作更新第三标注数据,得到训练标注数据。
在一种可能的实现方式中,该装置还包括:第三训练模块,用于利用第一标注数据和第二标注数据,对离线模型进行更新训练。
在一种可能的实现方式中,第一实体标注模块,用于:利用在线模型对至少一个第一待标注文本进行实体标注,得到第四标注数据;响应于针对第四标注数据的第二标注操作,基于第二标注操作更新第四标注数据,得到第一标注数据。
根据本公开的另一方面,提供了一种文本标注装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为在执行所述存储器存储的指令时,实现上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本申请一实施例的应用场景的示意图。
图2示出根据本申请一实施例的文本标注方法的流程图。
图3示出根据本申请一实施例的文本标注方法的流程图。
图4示出根据本申请一实施例的离线模型的架构示意图。
图5示出根据本申请一实施例的文本标注流程的示意图。
图6示出根据本申请一实施例的文本标注***的UI界面的示意图。
图7示出根据本申请一实施例的文本标注装置的结构图。
图8是根据一示例性实施例示出的一种用于文本标注的装置800的框图。
图9是根据一示例性实施例示出的一种用于文本标注的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
在自然语言处理领域中,基于大规模的带标注数据进行模型的训练得到长足的发展与进步。当我们在使用搜索引擎、语音助手、检索***等时,都涉及到了许多不同类型的自然语言处理模型,在训练模型的时候,我们需要大量的标注数据,有效的标注数据的使用能够大大提高标注的效率和训练得到的模型的准确率。当前的标注方法无法提高标注过程中的效率,加速标注的过程。因此,亟需一种新型的文本标注方法以实现高效快速产出高质量的语料。
鉴于此,本申请提出了一种文本标注方法,本申请实施例的方法通过获取待标注文本,首先利用在线模型对第一待标注文本中的进行实体标注,可以实现在没有大量训练数据的积累的情况下即可利用在线模型开始对文本进行标注,提高了文本标注时的效率。同时,通过使离线模型在满足预设条件的情况下,对与第一待标注文本不同的第二待标注文本进行实体标注,结合了离线、在线模型的切换过程,可以不间断地处理待标注文本,且在满足标注速度要求的情况下进一步提升文本的标注质量,从而可以高效快速产出高质量的语料。
图1示出根据本申请一实施例的应用场景的示意图。由于中文方面的开源语料较英文语料少的多,且在一些专业领域,如医疗、金融、法律等领域中,利用常用语料训练出来的模型无法直接在上述领域的文本上直接使用,本申请实施例的文本标注***可以用于对中文文本进行标注的场景中,该中文文本可以是专业领域内的待标注文本,如图1所示,本申请实施例的文本标注***可以获取待处理文本,通过本申请实施例的方法对待处理文本进行实体标注,得到标注数据,例如,可以对在待处理文本中识别出的不同类型的实体以不同的颜色进行高亮显示,得到标注数据。得到的标注数据可以用于在后续任务中作为相应任务下神经网络模型的训练数据。
在进行文本标注的过程中,用户还可以通过标注操作对标注数据进行二次标注,以更新标注结果。
本申请实施例的文本标注***可以作为标注工具部署于服务器或者终端设备。该服务器可以位于本地或云端,可以是实体设备,也可以是虚拟设备,如虚拟机、容器等,具有无线通信功能,其中,无线通信功能可设置于该服务器的芯片(***)或其他部件或组件。无线通信功能例如可以通过2G/3G/4G/5G等移动通信技术,以及Wi-Fi、蓝牙、调频(frequencymodulation,FM)、数传电台、卫星通信等方式实现。也可以通过有线连接的方式进行通信,以实现与其他设备的交互。
终端设备可以是手机、可折叠电子设备、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、蜂窝电话、个人数字助理(personal digital assistant,PDA)、车载设备中的任一种或多种。本申请实施例对终端设备的具体类型不作特殊限制,可以具有有线或无线通信功能。
本申请实施例的文本标注***可应用于推荐***、信息抽取、知识图谱等标注语料积累的场景中,还可应用于其他相关场景,需要说明的是,除上述专业领域外,本申请实施例的文本标注***还可应用于其他领域中,且除中文语料外,本申请实施例的文本标注***还可以用于对其他语言语料的标注场景中,本申请对此不作限制。
以下通过图2-图6,对本申请实施例的文本标注方法进行介绍。
图2示出根据本申请一实施例的文本标注方法的流程图。该方法可以用于上述文本标注***,如图2所示,该方法包括:
步骤S201,获取待标注文本。
其中,待标注文本可以包括一个或多个文本,该待标注文本可以是中文文本,或其他语言的文本。待标注文本可以包括第一待标注文本和第二待标注文本。
步骤S202,利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据。
第一待标注文本可以是上述S201中待标注文本中的部分或全部文本,可以对第一待标注文本中多种类型的实体进行实体标注。对于一个第一待标注文本,其中可能包括人名(PER)、地名(LOC)、机构名(ORG)等多种类型的实体。例如,对于“美国财政部副部长萨摩斯等人将来日本”这段文本中,包括PER类型的实体:萨摩斯,LOC类型的实体:美国、日本,和ORG类型的实体:财政部。本申请中的实体标注任务可以针对于其中的一种或多种类型的实体。第一标注数据可用于训练离线模型。
由于在初始的实体标注阶段还没有训练好的离线模型,因此可以首先利用在线模型对一部分待标注文本进行标注,以下对利用在线模型进行标注的过程进行介绍。
可选地,在线模型可以包括第一在线模型和第二在线模型,该步骤S202,可包括:
基于预定词库,利用第一在线模型对第一待标注文本中与预定词库关联的实体进行标注,得到中间标注文本;
利用第二在线模型对中间标注文本进行实体标注,得到第一标注数据。可以理解的是,基于预定词库中词语数量、类型、内容等的不同,对相同的第一待标注文本标注的情况可能不同,即得到的中间标注文本的形式可能不同,例如在一种可能的实施方式中,预定词库中词语数量较少,因此中间标注文本中可能不存在被标注的词语;在另一种可能的实施方式中,预定词库中词语数量较多,中间标注文本中被标注的词语较多,例如为100个。
其中,第一在线模型可以为AC自动机模型,第二在线模型可以为条件随机场(conditional random field,CRF)模型。
预定词库可以是与本次标注场景匹配的词库,例如,在医疗场景中,预定词库可以包括医疗症状专有名词相关的词库,在化学领域中,预定词库可以包括化学原料名称相关的词库。本申请对于预定词库的数量不作限定。
由于在一些专业领域中,如果通过人工去进行标注,工作量会非常大,因此在在线标注的过程中首先可以利用AC自动机模型去辅助标注一些专业词汇。AC自动机模型可以理解为一个有限状态自动机(finite-state automaton),可以高效地在文本串中搜索匹配位置,以基于词典(即预定词库)在第一待标注文本中搜索与预定词库关联的实体进行标注,与预定词库关联的实体可以是AC自动机模型进行模式匹配在第一待标注文本中识别出的实体。利用AC自动机模型进行标注的过程可基于现有技术实现,本申请对此不作限制。
例如,若预定词库为地名的专业词库,那么,针对一段第一待标注文本,“美国财政部副部长萨摩斯等人将来日本,受此影响日元汇率一路上扬”,可以基于该地名词库,首先利用AC自动模型将上述段文本中的地名(美国,日本)标注出来,得到中间标注文本。
根据本申请实施例,可以实现利用AC自动机模型对第一待标注文本中的部分专业词汇先进行快速的标注,得到中间标注文本,以辅助实现后续标注流程,极大地提高了标注的效率和精度。
接着,可以利用第二在线模型进行推理和预测,以对中间待标注文本进行进一步地实体标注,得到第一标注数据。第二在线模型可以是CRF模型,CRF模型主要基于马尔可夫随机场(markov random field,MRF)理论,它通过定义状态变量之间的条件概率分布来描述一个联合概率分布,其中每个状态变量代表输出序列中的一个标签。与传统的隐马尔可夫模型(hidden markov model,HMM)相比,CRF模型更加灵活和精确。
利用CRF模型进行实时的训练和推理的过程可参见下述。
可选地,由于CRF模型为在线模型,可以在进行实体标注的过程中可以对CRF模型进行实时的训练,上述第二在线模型可以为训练后的第二在线模型。参见图3,示出根据本申请一实施例的文本标注方法的流程图。如图3所示,该方法还可包括:
步骤S301,响应于第二在线模型不满足第二预设条件,获取训练标注数据。
第二预设条件可以是第二在线模型达到预设精度,或者达到预设训练迭代次数等。
在步骤S301中,可以基于预定词库,利用第一在线模型对训练初始数据进行实体标注,得到第三标注数据;响应于针对第三标注数据的第一标注操作,基于第一标注操作更新第三标注数据,得到训练标注数据。
训练初始数据可以是预先得到的待标注文本。在得到实时训练后的第二在线模型之前,对于训练初始数据,可以首先基于上述AC自动机模型,对训练初始数据中与预定词库(如包括地名的词库)关联的实体进行标注,得到第三标注数据(如在训练初始数据中标注出了LOC类型实体),该过程可参见上述有关AC自动机模型的叙述,在此不再赘述。
由于还未得到训练后的第二在线模型,为了对第二在线模型进行实时训练,可以以对训练初始数据进行实体标注后得到的第三标注数据,作为对第二在线模型进行训练时的训练数据。由于AC自动机模型可能只标注出了一部分实体,或者,由于没有相应的词库,可能尚存在没有标注出的实体,因此可以通过人工标注对未标注出的实体进行标注。
上述第一标注操作可以包括用户通过交互界面对第三标注数据进行实体标注,以及对第一在线模型标注错误(包括类型与实体不匹配,以及实***置标注错误等)的实体进行更正。例如,若目标类型实体包括LOC类型、PER类型和ORG类型的实体,第三标注数据中已标注出了LOC类型的实体,那么,用户的第一标注操作可以包括对第三标注数据中PER类型和ORG类型的实体进行实体标注,还可包括对第三标注数据中遗漏的LOC类型的实体进行标注。由此,可以得到训练标注数据。在得到训练标注数据之后,可以触发对第二在线模型的在线训练过程,参见下述。
步骤S302,利用训练标注数据,对第二在线模型进行在线训练。
步骤S303,响应于第二在线模型满足第二预设条件,得到训练后的第二在线模型。
例如,可以以训练标注数据作为第二在线模型在实时训练过程中的输入,根据第二在线模型输出的标注结果和训练标注数据,对第二在线模型进行在线训练,得到训练后的第二在线模型。对第二在线模型进行在线训练的过程可以基于现有技术实现。
在得到训练后的第二在线模型之后,就可以基于实时训练出来的第二在线模型进行推理,可以基于预定词库,利用第一在线模型对第一待标注文本中与预定词库关联的实体进行标注,而后利用第二在线模型对中间标注文本进行实体标注,得到第一标注数据。
可选地,为了支持后续对离线模型进行训练的过程,以得到准确率更高的离线模型,还可以由用户验证标注的结果是否准确,参见下述,上述S202还可包括:
利用在线模型对至少一个第一待标注文本进行实体标注,得到第四标注数据;
响应于针对第四标注数据的第二标注操作,基于第二标注操作更新第四标注数据,得到第一标注数据。
第二标注操作可以包括用户通过交互界面对第四标注数据中的目标类型实体进行补充标注,或是对先前标注错误(包括类型与实体不匹配,以及实***置标注错误等)的实体进行更正。例如,若目标类型实体包括LOC类型、PER类型和ORG类型的实体,第二标注操作可以是对经过在线模型的标注,第四标注数据中尚未标注出的LOC类型、PER类型和ORG类型的实体进行补充标注。由此,可以得到第一标注数据,此时第一标注数据中标注出的实体更加完整和准确。
可选地,通过利用在线模型,在得到预设数量的第一标注数据的情况下,可以触发对离线模型的训练,参见下述,该方法还包括:
在第一标注数据的数据量达到预设阈值的情况下,利用第一标注数据对离线模型进行训练。
其中,离线模型可以为预训练后的模型,例如,离线模型可以为基于Bert和CRF实现的模型。这样,由于第一标注数据为标注好的数据,在此基础上进行训练可以得到准确率更高的离线模型。
参见图4,示出根据本申请一实施例的离线模型的架构示意图。如图4所示,离线模型可以是基于Bert和CRF实现的模型(如图中BERT),如图所示,在模型的输入为“[CLS]从张...名”(“从张…名”可以表示待标注文本)的情况下,E[CLS]、E1、E2、EN可以分别表示输入中的不同位置的Embedding向量(可包括token embedding、positional embedding和segmental embedding),基于该离线模型可以得到输入的句子的语义向量(如图中C)以及提取出的特征向量T1、T2、TN,基于语义向量C和各特征向量,可以计算确定每个位置对应的标注结果,例如,标签O可以表示实体无关的位置,标签B-PER可以表示PER类型的实体的位置。
在对离线模型进行训练的过程中,可以以第一待标注文本作为离线模型在训练过程中的输入,根据离线模型输出的标注结果和第一标注数据,对离线模型进行训练,得到训练后的离线模型。对离线模型进行训练的过程可以基于现有技术实现。
可选地,该方法可包括:
在第一标注数据的数据量达到预设阈值的情况下,利用第一标注数据对离线模型进行训练。
步骤S203,在离线模型满足第一预设条件的情况下,利用离线模型对第二待标注文本进行实体标注,得到第二标注数据。
可选地,该离线模型可以是训练后的离线模型,该第一预设条件包括训练后的离线模型达到预设精度,从而,可以利用离线模型对第二待标注文本进行实体标注,得到第二标注数据。
其中,第二待标注文本与上述第一待标注文本不同。举例来说,例如有700个待标注文本,若上述对离线模型进行训练的数据量要求为400个,那么,对于前400个第一待标注文本,可以利用上述S202中示出的方式对这400个第一待标注文本进行实体标注,得到第一标注数据。可以利用这400个第一待标注文本对应的第一标注数据对离线模型进行训练,得到训练后的离线模型,从而,可以利用训练后的模型对剩余的300个第二待标注文本进行实体标注,得到第二标注数据。
在一个示例中,当训练后的离线模型无法达到预定精度时,可利用在线模型继续获取待标注文本,对其中的至少一个第一待标注文本进行实体标注,以得到新的第一标注数据,可以基于新的第一标注数据,继续训练离线模型,直至达到预定精度。
根据本申请实施例,通过获取待标注文本,首先利用在线模型对第一待标注文本进行实体标注,可以实现在没有大量训练数据的积累的情况下即可利用在线模型开始对文本进行标注,提高了文本标注时的效率。同时,通过使离线模型在满足预设条件的情况下,对与第一待标注文本不同的第二待标注文本进行实体标注,结合了离线、在线模型的切换过程,可以不间断地处理待标注文本,且在满足标注速度要求的情况下进一步提升文本的标注质量,从而可以高效快速产出高质量的语料。
可选地,该方法还可包括,
利用第一标注数据和第二标注数据,对离线模型进行更新训练。
其中,离线模型可以是上述训练后的离线模型,在更新训练后,可以更新训练后的离线模型替换训练后的离线模型。
例如,若获取的待标注文本包括700个文本,第一标注数据和第二标注数据可以是这700个待标注文本对应的标注数据(基于上述S202和S203得到),可以基于此对上述训练后的离线模型进行进一步的更新训练,以进一步提高模型的准确率。此处训练的过程可与利用训练后的离线模型对这700个待标注文本的下一批获取的待标注文本进行推理的过程并行,例如,在获取下一批待标注文本进行实体标注时,可以先利用上述训练后的离线模型进行实体标注,同时利用上一批700个待标注文本对应的第一标注数据和第二标注数据对离线模型进行更新训练,在得到更新训练后的离线模型之后,可以更新训练后的离线模型替换上述训练后的离线模型,S203中的离线模型还可以是更新训练后的模型,上述第一预设条件还可以包括更新训练后的离线模型达到预设精度,从而,在S203中,可以利用更新训练后的模型继续对下一批待标注文本中未进行实体标注的待批注文本(即第二待标注文本)进行实体标注。由此,在用户侧不会感知到标注过程的中断,使标注的过程更加顺畅,标注效率更高。
图5示出根据本申请一实施例的文本标注流程的示意图。如图5所示,对于待标注文本(例如一共有700个),其中的前400个第一待标注文本,可以利用第一在线模型(如图中AC自动机模型)和第二在线模型(如图中CRF模型)对其进行实体标注,得到的第一标注数据可用于对离线模型进行训练,得到训练后的离线模型(如图中Bert+CRF模型),那么,对于剩余的300个第二待标注文本,可以利用Bert+CRF模型对其进行实体标注,得到第二标注数据。
对于得到的第一标注数据和第二标注数据,如图所示,对于其中置信度较低的文本,可以通过人工标注对其中遗漏或错误的实体进行重新标注,对于置信度较高的文本可以无需人工标注。最终可以得到700个待标注文本对应的标注数据(包括第一标注数据和第二标注数据,如图中全量的标注数据),还可以利用全量的标注数据对训练后的离线模型进行再次迭代更新,以进一步提高Bert+CRF模型的精度。
图6示出根据本申请一实施例的文本标注***的UI界面的示意图。如图6所示,本申请实施例的文本标注***可以作为用户的标注工具,可以看出待标注文本为***语料,文本01-文本10可以分别表示不同的待标注文本,文本中高亮的位置可以表示识别出的实体,不同的颜色可以表示不同类型的实体,如图中共识别出4个PER类型的实体、4个LOC类型的实体和1个ORG类型的实体。
用户可以通过该UI界面实现与本申请实施例的文本标注***之间的交互。例如,若用户想进行标注操作,可以对文本中相应位置的实体以相应的颜色进行高亮表示,点击相应控件(如图中submit控件)后可以用户标注的结果进行提交;否则,可以点击相应的其他控件(如图中skip控件),表示不对当前待标注文本进行标注操作。
在进行实体标注的过程中,若对待标注文本进行实体标注的模型由在线模型切换至离线模型,可以在界面上通过显示的方式对用户进行提示,显示的具体方式本申请不作限制,例如图中通过在界面左下方进行提示,使用户可以得知当前为通过在线模型进行标注,从而可以更好地辅助用户实现对待标注文本的实体标注。
图7示出根据本申请一实施例的文本标注装置的结构图。如图7所示,该装置可包括:
第一获取模块701,用于获取待标注文本;
第一实体标注模块702,用于利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,第一标注数据用于训练离线模型;
第二实体标注模块703,用于在离线模型满足第一预设条件的情况下,利用离线模型对第二待标注文本进行实体标注,得到第二标注数据,其中,第二待标注文本与第一待标注文本不同。
在一种可能的实现方式中,该装置还包括:
第一训练模块,用于在第一标注数据的数据量达到预设阈值的情况下,利用第一标注数据对离线模型进行训练。
在一种可能的实现方式中,在线模型包括第一在线模型和第二在线模型,第一实体标注模块702,用于:
基于预定词库,利用第一在线模型对第一待标注文本中与预定词库关联的实体进行标注,得到中间标注文本;
利用第二在线模型对中间标注文本进行实体标注,得到第一标注数据。
在一种可能的实现方式中,第二在线模型为训练后的第二在线模型,该装置还包括:
第二获取模块,用于响应于第二在线模型不满足第二预设条件,获取训练标注数据;
第二训练模块,用于利用训练标注数据,对第二在线模型进行在线训练;
确定模块,用于响应于第二在线模型满足第二预设条件,得到训练后的第二在线模型。
在一种可能的实现方式中,第二获取模块,用于:
基于预定词库,利用第一在线模型对训练初始数据进行实体标注,得到第三标注数据;
响应于针对第三标注数据的第一标注操作,基于第一标注操作更新第三标注数据,得到训练标注数据。
在一种可能的实现方式中,该装置还包括:
第三训练模块,用于利用第一标注数据和第二标注数据,对离线模型进行更新训练。
在一种可能的实现方式中,第一实体标注模块702,用于:
利用在线模型对至少一个第一待标注文本进行实体标注,得到第四标注数据;
响应于针对第四标注数据的第二标注操作,基于第二标注操作更新第四标注数据,得到第一标注数据。
根据本申请实施例,通过获取待标注文本,首先利用在线模型对第一待标注文本中的进行实体标注,可以实现在没有大量训练数据的积累的情况下即可利用在线模型开始对文本进行标注,提高了文本标注时的效率。同时,通过使离线模型在满足预设条件的情况下,对与第一待标注文本不同的第二待标注文本进行实体标注,结合了离线、在线模型的切换过程,可以不间断地处理待标注文本,且在满足标注速度要求的情况下进一步提升文本的标注质量,从而可以高效快速产出高质量的语料。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为在执行所述存储器存储的指令时,实现上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
图8是根据一示例性实施例示出的一种用于文本标注的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图8,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出接口812(I/O接口),传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
输入/输出接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如Wi-Fi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图9是根据一示例性实施例示出的一种用于文本标注的装置1900的框图。例如,装置1900可以被提供为一服务器或终端设备。参照图9,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出接口1958(I/O接口)。装置1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种文本标注方法,其特征在于,所述方法包括:
获取待标注文本;
利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,所述第一标注数据用于训练离线模型;
在所述离线模型满足第一预设条件的情况下,利用所述离线模型对第二待标注文本进行实体标注,得到第二标注数据,其中,所述第二待标注文本与所述第一待标注文本不同。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
在所述第一标注数据的数据量达到预设阈值的情况下,利用所述第一标注数据对离线模型进行训练。
3.根据权利要求1所述的方法,其特征在于,所述在线模型包括第一在线模型和第二在线模型,所述利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,包括:
基于预定词库,利用所述第一在线模型对所述第一待标注文本中与所述预定词库关联的实体进行标注,得到中间标注文本;
利用所述第二在线模型对所述中间标注文本进行实体标注,得到所述第一标注数据。
4.根据权利要求3所述的方法,其特征在于,所述第二在线模型为训练后的第二在线模型,所述方法还包括:
响应于所述第二在线模型不满足第二预设条件,获取训练标注数据;
利用所述训练标注数据,对所述第二在线模型进行在线训练;
响应于所述第二在线模型满足第二预设条件,得到所述训练后的第二在线模型。
5.根据权利要求4所述的方法,其特征在于,所述获取训练标注数据,包括:
基于预定词库,利用所述第一在线模型对训练初始数据进行实体标注,得到第三标注数据;
响应于针对所述第三标注数据的第一标注操作,基于所述第一标注操作更新所述第三标注数据,得到所述训练标注数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用所述第一标注数据和所述第二标注数据,对所述离线模型进行更新训练。
7.根据权利要求1所述的方法,其特征在于,所述利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,包括:
利用在线模型对至少一个第一待标注文本进行实体标注,得到第四标注数据;
响应于针对第四标注数据的第二标注操作,基于所述第二标注操作更新所述第四标注数据,得到所述第一标注数据。
8.一种文本标注装置,其特征在于,所述装置包括:
第一获取模块,用于获取待标注文本;
第一实体标注模块,用于利用在线模型对至少一个第一待标注文本进行实体标注,得到第一标注数据,所述第一标注数据用于训练离线模型;
第二实体标注模块,用于在所述离线模型满足第一预设条件的情况下,利用所述离线模型对第二待标注文本进行实体标注,得到第二标注数据;其中,所述第二待标注文本与所述第一待标注文本不同。
9.一种文本标注装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为在执行所述存储器存储的指令时,实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311474511.2A CN117473321A (zh) | 2023-11-07 | 2023-11-07 | 文本标注方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311474511.2A CN117473321A (zh) | 2023-11-07 | 2023-11-07 | 文本标注方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117473321A true CN117473321A (zh) | 2024-01-30 |
Family
ID=89637593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311474511.2A Pending CN117473321A (zh) | 2023-11-07 | 2023-11-07 | 文本标注方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473321A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182157A (zh) * | 2020-09-29 | 2021-01-05 | 中国平安人寿保险股份有限公司 | 在线序列标注模型的训练方法、在线标注方法及相关设备 |
CN113392331A (zh) * | 2021-01-27 | 2021-09-14 | 腾讯科技(深圳)有限公司 | 文本处理方法及设备 |
CN114386320A (zh) * | 2021-12-23 | 2022-04-22 | 上海发电设备成套设计研究院有限责任公司 | 汽轮机阀门管理方法、装置、设备及存储介质 |
CN115470790A (zh) * | 2022-08-25 | 2022-12-13 | 北京字跳网络技术有限公司 | 一种识别文件中的命名实体的方法和装置 |
US20230015606A1 (en) * | 2020-10-14 | 2023-01-19 | Tencent Technology (Shenzhen) Company Limited | Named entity recognition method and apparatus, device, and storage medium |
CN115795017A (zh) * | 2023-01-17 | 2023-03-14 | 深圳联友科技有限公司 | 一种对话***离线在线融合应用方法及*** |
-
2023
- 2023-11-07 CN CN202311474511.2A patent/CN117473321A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182157A (zh) * | 2020-09-29 | 2021-01-05 | 中国平安人寿保险股份有限公司 | 在线序列标注模型的训练方法、在线标注方法及相关设备 |
US20230015606A1 (en) * | 2020-10-14 | 2023-01-19 | Tencent Technology (Shenzhen) Company Limited | Named entity recognition method and apparatus, device, and storage medium |
CN113392331A (zh) * | 2021-01-27 | 2021-09-14 | 腾讯科技(深圳)有限公司 | 文本处理方法及设备 |
CN114386320A (zh) * | 2021-12-23 | 2022-04-22 | 上海发电设备成套设计研究院有限责任公司 | 汽轮机阀门管理方法、装置、设备及存储介质 |
CN115470790A (zh) * | 2022-08-25 | 2022-12-13 | 北京字跳网络技术有限公司 | 一种识别文件中的命名实体的方法和装置 |
CN115795017A (zh) * | 2023-01-17 | 2023-03-14 | 深圳联友科技有限公司 | 一种对话***离线在线融合应用方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN107564526B (zh) | 处理方法、装置和机器可读介质 | |
CN109255128B (zh) | 多层级标签的生成方法、装置和存储介质 | |
CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN111242303A (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN111369978B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN112001364A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN112036195A (zh) | 机器翻译方法、装置及存储介质 | |
CN112559673A (zh) | 语言处理模型的训练方法及装置、电子设备及存储介质 | |
CN110232181B (zh) | 评论分析方法及装置 | |
CN112035651B (zh) | 语句补全方法、装置及计算机可读存储介质 | |
CN108648031B (zh) | 产品推荐方法及装置 | |
CN109460458B (zh) | 查询改写意图的预测方法及装置 | |
CN111324214B (zh) | 一种语句纠错方法和装置 | |
CN111414766B (zh) | 一种翻译方法及装置 | |
CN111506767A (zh) | 一种歌曲填词的处理方法及装置、电子设备和存储介质 | |
CN116484828A (zh) | 相似案情确定方法、装置、设备、介质和程序产品 | |
CN109766463B (zh) | 应用于图像检索的半监督哈希学习方法及装置 | |
CN113065361B (zh) | 用户亲密度的确定方法及装置、电子设备和存储介质 | |
CN117473321A (zh) | 文本标注方法、装置和存储介质 | |
CN113807540A (zh) | 一种数据处理方法及装置 |
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 |