[发明专利]数据获取方法、装置及存储介质

说明书

本公开是关于一种数据获取方法、装置及存储介质，属于计算机技术领域。该方法包括：根据网络模型的识别对象，获取多个第一用户标识；对多个第一用户标识对应的原始数据进行聚类，得到每个原始数据的聚类标识；对于每个第一用户标识，根据第一用户标识对应的每个原始数据的聚类标识，确定第一用户标识的权重；从多个第一用户标识中选取至少一个第二用户标识，获取至少一个第二用户标识对应的原始数据，作为待标注的目标数据。第二用户标识对应的原始数据中不属于识别对象的目标数据较少，提高了待标注的目标数据的纯度，提高了技术人员筛选目标数据的速度，进而提高了标注效率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据获取方法、装置及存储介质。

背景技术

随着计算机技术的快速发展以及人工智能技术的逐渐成熟，基于人工智能技术训练的网络模型广泛应用于人脸识别、物体识别等多种领域。在训练网络模型之前，通常先获取待标注的目标数据，对目标数据进行标注后，基于标注得到的样本数据训练网络模型。因此，如何获取待标注的目标数据成为亟待解决的问题。

相关技术中，需要训练的网络模型具有识别对象，该网络模型的作用在于获取属于该识别对象的数据。例如，人脸识别模型的识别对象为人脸图像中的人脸区域，物体识别模型的识别对象为图像中的某一特定类型的物体。因此，技术人员根据网络模型的识别对象，人工查找与该识别对象匹配的多个数据，作为待标注的目标数据，之后，技术人员从该多个目标数据中筛选出属于识别对象的目标数据，将筛选出的目标数据标注为正样本数据，再基于标注好的多个正样本数据训练网络模型。

但是，待标注的多个目标数据的纯度较低，可能存在较多不属于该识别对象的目标数据，导致技术人员筛选出属于识别对象的目标数据的速度较慢，标注效率较低。

发明内容

本公开提供了一种数据获取方法、装置及存储介质，可以克服相关技术中目标数据的纯度低，技术人员标注效率低的问题。

根据本公开实施例的第一方面，提供一种数据获取方法，所述方法包括：

根据网络模型的识别对象，获取多个第一用户标识，所述第一用户标识对应的至少一个原始数据与所述识别对象匹配；

对所述多个第一用户标识对应的原始数据进行聚类，得到每个原始数据的聚类标识；

对于每个第一用户标识，根据所述第一用户标识对应的每个原始数据的聚类标识，确定所述第一用户标识的权重，所述权重用于表示所述第一用户标识对应的原始数据的离散程度；

从所述多个第一用户标识中选取至少一个第二用户标识，获取所述至少一个第二用户标识对应的原始数据，作为待标注的目标数据，所述至少一个第二用户标识的权重小于所述多个第一用户标识中的其他第一用户标识的权重。

在一种可能实现方式中，所述根据网络模型的识别对象，获取多个第一用户标识，包括：

基于所述识别对象在数据库中进行检索，得到与所述识别对象匹配的多个原始数据，所述数据库用于存储任一用户标识发布的原始数据；

获取所述多个原始数据中的每个原始数据的发布用户标识，得到多个第一用户标识。

在另一种可能实现方式中，所述根据网络模型的识别对象，获取多个第一用户标识，包括：

基于所述识别对象在数据库中进行检索，得到与所述识别对象匹配的多个原始数据，所述数据库用于存储任一用户标识发布的原始数据；

获取所述多个原始数据中的每个原始数据的发布用户标识，得到多个第三用户标识；

获取所述多个第三用户标识中每个用户标识的关注用户数量；

从所述多个第三用户标识中选取多个第一用户标识，所述多个第一用户标识的关注用户数量大于所述多个第三用户标识中的其他用户标识的关注用户数量。