[发明专利]一种文本标注方法、装置、智能设备及介质

说明书

本申请实施例公开了一种文本标注方法、装置、智能设备及存储介质，本申请实施例可以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。解决了文本标注效率较低的问题，提高了目标文本标注模型的生成效率，进而提高了智能设备的文本标注效率。

技术领域

本申请涉及计算机技术领域，具体涉及一种文本标注方法、装置、智能设备及存储介质。

背景技术

随着人工智能领域的技术发展，人工智能领域中自然语言理解技术在机器翻译、情感分析、智能客服、电子邮件分类等领域有了越来越广泛的应用，文本标注模型是自然语言理解过程中至关重要的部分，文本标注的数据直接影响模型训练的效果，模型效果进一步影响自然语言理解的表现。面对越来越广泛的应用，大量的文本标注任务应运而生。但是目前的文本标注大多采用人工文本标注，会耗费大量的人力以及时间，文本标注效率较低。

发明内容

本申请实施例提供一种文本标注方法、装置、智能设备及存储介质，可以提高智能设备对文本标注的效率。

为解决上述技术问题，本申请实施例提供以下技术方案：

本申请实施例提供了一种文本标注方法，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。

在一实施方式中，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。

在一实施方式中，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。

在一实施方式中，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。

在一实施方式中，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：