[发明专利]一种数据标注方法、装置、电子设备及存储介质

权利要求书

1.一种数据标注方法，其特征在于，所述方法包括：

根据N个第一数据集合中的样本数据以及每个所述第一数据集合中样本数据的人工标注，生成与每个所述第一数据集合对应的数据标注模型；

基于N个所述数据标注模型对第二数据集合中样本数据进行预测的预测标注，以及所述第二数据集合中所述预测标注相同的比例小于或等于预设值的样本数据的人工标注，确定所述第二数据集合中样本数据的标注；

利用所述第一数据集合与所述第二数据集合的样本数据和对应的标注，对N个所述数据标注模型进行训练，得到用于数据标注的N个训练后的数据标注模型；其中，N为正整数；

其中，所述基于N个所述数据标注模型对第二数据集合中样本数据进行预测的预测标注，以及所述第二数据集合中样本数据的人工标注，确定所述第二数据集合中样本数据的标注，包括：

分别利用N个所述数据标注模型对第二集合中的样本数据进行标注预测，得到每个样本数据的N个预测标注；

若所述样本数据的N个预测标注中预测标注相同的比例大于预设值，则将该样本数据确定为低价值数据，并将相同的预测标注确定为该样本数据的标注；

若所述样本数据的N个预测标注中预测标注相同的比例小于或等于预设值，则将该样本数据确定为高价值数据，并将该样本数据的人工标注确定为该样本数据的标注；

所述利用所述第一数据集合与所述第二数据集合的样本数据和对应的标注，对N个所述数据标注模型进行训练，得到用于数据标注的N个训练后的数据标注模型，包括：

基于所述第一数据集合与所述第二数据集合，构造第三数据集合；

将所述第三数据集合中的样本数据划分为M个子数据集；

利用所述M个子数据集中的样本数据及确定的样本数据的标注，分别对N个所述数据标注模型进行训练，得到用于数据标注的N个训练后的数据标注模型；其中，M为正整数；

所述基于所述第一数据集合与所述第二数据集合，构造第三数据集合，包括：

根据所述第二数据集合中样本数据的预测标注，对所述第二数据集合中样本数据中预测标注相同的比例小于或等于预设值的高价值数据进行复制；其中，在对高价值数据进行复制时，可以将高价值数据复制为多份；

将所述第一数据集合、所述第二数据集合中的样本数据，以及复制的高价值数据构造为所述第三数据集合。

2.根据权利要求1所述的方法，其特征在于，根据以下步骤确定所述第一数据集合：

在原始样本数据中提取第一预设比例的样本数据，形成N个所述第一数据集合；

根据以下步骤确定所述第二数据集合：

在提取样本数据之后的剩余的原始样本数据中，提取第二预设比例的样本数据，形成所述第二数据集合。

3.根据权利要求2所述的方法，其特征在于，所述得到用于数据标注的N个训练后的数据标注模型之后，还包括：

在剩余的原始样本数据中提取第三预设比例的样本数据，重新形成第二数据集合；

返回所述确定所述第二数据集合中样本数据的标注的步骤，直到不存在剩余的原始样本数据。