[发明专利]一种文本标注方法、装置、智能设备及介质

权利要求书

1.一种文本标注方法，其特征在于，所述方法包括：

获取参考文本标注模型与所述参考文本标注模型对应的初始测试集；

根据所述参考文本标注模型与所述初始测试集生成对抗样本集；

通过所述参考文本标注模型对所述对抗样本集进行标注，得到对抗样本标注结果；

根据所述对抗样本标注结果与所述初始测试集调整所述参考文本标注模型的损失函数；

根据所述损失函数对所述参考文本标注模型进行更新，得到目标文本标注模型，以通过所述目标文本标注模型对文本进行标注。

2.根据权利要求1所述的文本标注方法，其特征在于，所述根据所述参考文本标注模型与所述初始测试集生成对抗样本集包括：

获取所述初始测试集对应的第一原始样本数据；

根据所述参考文本标注模型对所述第一原始样本数据进行标注，得到原始样本标注结果；

根据所述初始测试集与所述原始样本标注结果生成所述对抗样本集。

3.根据权利要求2所述的文本标注方法，其特征在于，所述根据所述初始测试集与所述原始样本标注结果生成所述对抗样本集，包括：

根据所述初始测试集与所述原始样本标注结果确定目标样本数据，其中，所述目标样本数据为所述初始测试集中与所述原始样本标注结果匹配的目标测试数据对应的原始样本数据；

对所述目标样本数据进行扰动处理，以生成对抗样本集。

4.根据权利要求3所述的文本标注方法，其特征在于，所述对所述目标样本数据进行扰动处理，以生成对抗样本集，包括：

获取扰动处理方式，其中，所述扰动处理方式包括基于目标样本数据的词向量相似度扰动、基于目标样本数据的同义词扰动以及基于目标样本数据的义原扰动；

根据所述目标样本数据的词向量相似度扰动、基于目标样本数据的同义词扰动以及基于目标样本数据的义原扰动中的至少一种对所述目标样本数据进行扰动处理，以生成对抗样本集。

5.根据权利要求1所述的文本标注方法，其特征在于，所述根据所述对抗样本标注结果与所述初始测试集调整所述参考文本标注模型的损失函数，包括：

根据所述对抗样本标注结果与所述初始测试集从所述对抗样本集中选取负样本，其中，所述负样本为对抗样本集中所述对抗样本标注结果与所述初始测试集不匹配的对抗样本；

根据所述负样本调整所述参考文本标注模型的损失函数。

6.根据权利要求5所述的文本标注方法，其特征在于，所述根据所述负样本调整所述参考文本标注模型的损失函数，包括：

对所述负样本施加惩罚因子；

将施加惩罚因子的负样本输入所述参考文本标注模型，以调整所述损失函数。

7.根据权利要求1所述的文本标注方法，其特征在于，所述获取参考文本标注模型与所述参考文本标注模型对应的初始测试集之前，包括：

获取预设神经网络模型对应的样本集，其中，所述样本集包括测试集、训练集、所述测试集对应的原始样本数据以及所述训练集对应的原始样本数据；

对所述样本集进行数据增强处理，以得到初始测试集、初始训练集、所述初始测试集对应的第一原始样本数据以及所述初始训练集对应的第二原始样本数据；

根据所述初始训练集对所述预设神经网络模型进行训练，得到初始文本标注模型；

根据所述初始测试集对所述初始文本标注模型进行调整，得到所述参考文本标注模型。

8.根据权利要求7所述的文本标注方法，其特征在于，所述对所述样本集进行数据增强处理，以得到初始测试集、初始训练集、所述初始测试集对应的第一原始样本数据以及所述初始训练集对应的第二原始样本数据，包括：

获取预设数据增强方式，所述预设数据增强方式包括随机噪声注入方式、实例交叉扩展方式以及语法树操作方式；

根据所述随机噪声注入方式、实例交叉扩展方式以及语法树操作方式中的至少一种对所述样本集进行数据增强，以得到初始测试集、初始训练集、所述初始测试集对应的第一原始样本数据以及所述初始训练集对应的第二原始样本数据。