[发明专利]一种样本筛选方法、装置、设备及计算机介质

权利要求书

1.一种样本筛选方法，其特征在于，包括：

获取已标注的参考样本集和无标注的待筛选样本集；

将所述参考样本集输入到样本识别模型，得到样本识别结果；其中，所述样本识别模型通过训练样本集训练获得，所述样本识别结果包括标注结果和置信度；

基于所述样本识别结果和所述参考样本集的标注标签，确定所述参考样本集中的目标参考样本；

计算所述目标参考样本与所述待筛选样本集的特征相似度；

根据所述特征相似度得到所述待筛选样本集中的目标样本。

2.根据权利要求1所述的样本筛选方法，其特征在于，所述基于所述样本识别结果和所述参考样本集的标注标签，确定所述参考样本集中的目标参考样本，具体为：

获取所述参考样本集中每一样本经所述样本识别模型输出的标注结果和置信度；

将所述标注结果与对应的标注标签不一致且所述置信度满足第一阈值条件的样本，或所述置信度满足第二阈值条件的样本设置为目标参考样本。

3.根据权利要求1所述的样本筛选方法，其特征在于，所述计算所述目标参考样本与所述待筛选样本集的特征相似度，具体为：

通过所述样本识别模型中的中间层分别获取所述待筛选样本集和所述参考样本集的特征序列；

计算所述待筛选样本集的特征序列与所述参考样本集的特征序列之间的相似度。

4.根据权利要求3所述的样本筛选方法，其特征在于，所述计算所述待筛选样本集的特征序列与所述参考样本集的特征序列之间的相似度，具体为：

计算所述待筛选样本集的特征序列与所述参考样本集的特征序列之间的余弦相似度。

5.根据权利要求1至4任一所述的样本筛选方法，其特征在于，根据所述特征相似度得到所述待筛选样本集中的目标样本之后，还包括：

对所述目标样本进行标注，将标注后的所述目标样本增加至所述训练样本集；

利用增加了目标样本的所述训练样本集对所述样本识别模型进行迭代更新。

6.一种样本筛选装置，其特征在于，包括：

样本获取模块，用于获取已标注的参考样本集和无标注的待筛选样本集；

样本识别模块，用于将所述参考样本集输入到样本识别模型，得到样本识别结果；其中，所述样本识别模型通过训练样本集训练获得，所述样本识别结果包括标注结果和置信度；基于所述样本识别结果和所述参考样本集的标注标签，确定所述参考样本集中的目标参考样本；

样本筛选模块，用于计算所述目标参考样本与所述待筛选样本集的特征相似度；根据所述特征相似度得到所述待筛选样本集中的目标样本。

7.根据权利要求6所述的样本筛选装置，其特征在于，还包括：

模型更新模块，用于对所述目标样本进行标注，将标注后的所述目标样本增加至所述训练样本集；利用增加了目标样本的所述训练样本集对所述样本识别模型进行迭代更新。

8.根据权利要求6所述的样本筛选装置，其特征在于，所述样本识别模块，具体用于：

获取所述参考样本集中每一样本经所述样本识别模型输出的标注结果和置信度；

将所述标注结果与对应的标注标签不一致且所述置信度满足第一阈值条件的样本，或所述置信度满足第二阈值条件的样本设置为目标参考样本。

9.一种数据处理设备，其特征在于，包括：

处理器，所述处理器和存储器耦合，所述存储器存储有程序，所述程序由所述处理器执行，使得所述数据处理设备执行如权利要求1~5中任一项所述的样本筛选方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令用于执行上述权利要求1~5中任一项所述的样本筛选方法。