[发明专利]一种基于智能分配算法的数据标注系统及方法

权利要求书

1.一种基于智能分配算法的数据处理系统，其特征在于：包括数据解析模块(1)、特征获取模块(2)和智能分配模块(3)，所述数据解析模块(1)输出端与特征获取模块(2)输入端连接，所述特征获取模块(2)输出端与智能分配模块(3)输入端连接；

所述数据解析模块(1)用于针对不同的任务采取不同的深度学习模型，结合Attention机制相关的协调算法，配合多模型融合方案，得到给定数据的基本量化特征；

所述特征获取模块(2)用于使用LCS动态规划算法，配合半监督式深度学习算法，对样本数据进行解析，对标注员的标注特征进行解读、归纳、存储与再利用；

所述智能分配模块(3)用于利用已获取的特征及量化资源，给定条件限制及目标预期，得到最优的方案设定及任务分配机制，并根据前线的反馈随时调整正在运行的分配机制及方案设定。

2.根据权利要求1所述的一种基于智能分配算法的数据处理系统，其特征在于：所述数据解析模块(1)包括模型数据库，所述模型数据库内部存储有多个不同的深度学习模型。

3.根据权利要求1所述的一种基于智能分配算法的数据处理系统，其特征在于：所述Attention机制相关的协调算法具体为CNN算法和LSTM算法。

4.一种基于智能分配算法的数据处理方法，其特征在于：具体处理步骤如下：

S1、在总耗时1小时以内：首先，给定待处理的大批量数据，由技术团队商讨并从针对十余种特定任务的数据解析模块(1)中挑选适合该批数据的数据解析模块(1)，并使用该数据解析模块(1)将全部数据整体快速过一遍，筛选出小规模兼具代表性及指示性的关键数据作为“先行数据”；

S2、动用全部标注员对“先行数据”进行试探性标注，同时由核心团队对“先行数据”进行精标及分析，得到该批“先行数据”的“标准答案”，之后将标注员的标注结果与核心团队整理出来的“标准答案”进行动态匹配，利用特征获取模块(2)根据匹配结果自动获取每个标注员的专属标注特征，供下一步智能分配环节的执行；

S3、在总耗时1小时以内：凭借上述步骤中获取到的每个标注员的标注特征，利用智能分配模块(3)，对余下的全部数据进行智能分配，期间会统筹协调每个标注员的任务负担，并根据他们在“先行数据”上面的表现进行针对性的薪资发放；

S4、在总耗时一星期以内：全体标注员对剩余数据进行标注，核心团队会全程进行针对标注员的质量抽查，期间会采用半监督式深度学习来完善相关的模块，对已标注的数据进行跟踪式质量把关。

5.根据权利要求4所述的一种基于智能分配算法的数据处理方法，其特征在于：所述步骤S1中，筛选出的小规模兼具代表性及指示性的关键数据作为“先行数据”具体为三位数规模。

6.根据权利要求4所述的一种基于智能分配算法的数据处理方法，其特征在于：所述步骤S2中，获取的专属标注特征以量化的形式体现，该特征储存了该标注员的内在信息，具体为标注风格、对该任务整体的标注能力、对不同类型数据的标注特点。