[发明专利]业务数据的多标签标注方法、装置及计算机设备

权利要求书

1.一种业务数据的多标签标注方法，其特征在于，包括：

获取待标注的业务数据；

将所述业务数据输入至已训练的多标签标注模型，输出所述业务数据相对于各个预设标签的概率信息；其中，所述已训练的多标签标注模型由蕴含模型和相似度模型关联构成；所述概率信息包括第一概率和第二概率；

根据所述第一概率和所述第二概率，确定所述业务数据的目标标签。

2.如权利要求1所述的方法，其特征在于，所述将所述业务数据输入至已训练的多标签标注模型，输出所述业务数据相对于各个预设标签的概率信息，包括：

将所述业务数据输入至已训练的多标签标注模型，所述已训练的多标签标注模型包括预处理层、特征表示层、特征交互层、全连接层以及输出层；

通过所述预处理层、所述特征表示层、所述特征交互层、所述全连接层以及所述输出层，对所述业务数据进行标签分类标注，输出所述第一概率和所述第二概率；其中，所述第一概率为所述相似度模型对应的第一概率，所述第二概率为所述蕴含模型对应的第二概率；

确定所述第一概率和所述第二概率，作为所述业务数据相对于各个预设标签的概率信息。

3.如权利要求2所述的方法，其特征在于，所述通过所述预处理层、所述特征表示层、所述特征交互层、所述全连接层以及所述输出层，对所述业务数据进行标签分类标注，输出所述第一概率和所述第二概率，包括：

通过所述预处理层，对所述业务数据进行文字映射，得到目标业务数据；

通过所述特征表示层，对所述目标业务数据进行向量化处理，得到业务特征向量；

通过所述特征交互层，对所述业务特征向量进行特征融合，得到业务融合特征；

通过所述全连接层，对所述业务融合特征进行特征恢复，得到业务特征向量图；

通过所述输出层，对所述业务特征向量图进行特征分析，输出所述第一概率和所述第二概率。

4.如权利要求3所述的方法，其特征在于，所述通过所述输出层，对所述业务特征向量图进行特征分析，输出所述第一概率和所述第二概率，包括：

通过所述输出层和预设的目标损失函数，对所述业务特征向量图进行特征分析，输出所述第一概率和所述第二概率；

其中，所述目标损失函数为第一损失函数与第二损失函数之和，所述第一损失函数包括作用于所述相似度模型的均方误差损失函数，所述第二损失函数包括作用于所述蕴含模型的交叉熵损失函数。

5.如权利要求3所述的方法，其特征在于，所述特征表示层被设置为ELMO模型、BERT模型以及GPT模型中的任意一个预训练模型。

6.如权利要求1至5中任一项所述的方法，其特征在于，在所述将所述业务数据输入至已训练的多标签标注模型，输出所述业务数据相对于各个预设标签的概率信息之前，还包括：

构建初始的多标签标注模型；

获取业务本文集，并将所述业务本文集划分为训练集和测试集，所述业务本文集中包括多个已标注文本业务类型的业务本文；

使用所述训练集对所述初始的多标签标注模型进行初步训练，得到初步训练后的多标签标注模型；

使用所述测试集对所述初步训练后的多标签标注模型进行测试调整，得到所述已训练的多标签标注模型。

7.如权利要求1所述的方法，其特征在于，所述根据所述第一概率和所述第二概率，确定所述业务数据的目标标签，包括：

将所述第一概率和所述第二概率进行点乘处理，得到所述已训练的多标签标注模型的模型置信度；

根据所述模型置信度，确定所述业务数据的目标标签。

8.一种业务数据的多标签标注装置，其特征在于，包括：

数据获取模块，用于获取待标注的业务数据；

数据分析模块，用于将所述业务数据输入至已训练的多标签标注模型，输出所述业务数据相对于各个预设标签的概率信息；其中，所述已训练的多标签标注模型由蕴含模型和相似度模型关联构成；所述概率信息包括第一概率和第二概率；

标签确定模块，用于根据所述第一概率和所述第二概率，确定所述业务数据的目标标签。