[发明专利]样本信息标注方法、装置、设备、程序以及存储介质

权利要求书

1.一种样本信息标注方法，其特征在于，所述方法包括：

在数据源中获取正例样本信息，并对所述正例样本信息进行标注，得到标注正例样本信息；

在所述数据源中获取负例样本信息；

获取所述正例样本信息和所述负例样本信息所分别对应的静态统计特征集合；

基于所述标注正例样本信息、所述负例样本信息以及所述静态统计特征集合对样本信息标注模型进行训练，确定所述样本信息标注模型的模型参数；

通过所述样本信息标注模型，对所述数据源中的样本信息进行标注处理，得到经过标注的样本信息。

2.根据权利要求1所述的方法，其特征在于，所述在数据源中获取正例样本信息，并对所述正例样本信息进行标注，得到标注正例样本信息，包括：

在所述数据源中随机获取至少一个初始样本信息，其中，所述初始样本信息至少包括：问题语句和与所述问题语句相对应的答复语句；

根据所述问题语句和所述答复语句的语义相关性程度，对所述初始样本信息进行标注，得到不同语义相关性程度的初始样本信息；

在所述不同语义相关性程度的初始样本信息中筛选正例样本信息；

基于所述正例样本信息的相关性程度，对所述正例样本信息进行标注，得到标注正例样本信息。

3.根据权利要求1所述的方法，其特征在于，所述获取所述正例样本信息和所述负例样本信息所分别对应的静态统计特征集合，包括：

根据所述数据源的类型，确定所述静态统计特征集合中静态统计特征的筛选维度；

根据所述静态统计特征的筛选维度，在所述数据源的正例样本信息和所述负例样本信息中筛选样本信息；

对所述样本信息进行独热编码处理，形成所述正例样本信息和所述负例样本信息所分别对应的静态统计特征；

对不同筛选维度的静态统计特征进行组合，形成所述正例样本信息和所述负例样本信息所分别对应的静态统计特征集合。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

当所述数据源的类型为搜索问答数据源时，所述静态统计特征集合包括至少以下之一：

所述正例样本信息的长度、点击率和搜索次数，以及所述负例样本信息的长度、点击率和搜索次数；

当所述数据源的类型为智能聊天数据源时，所述静态统计特征集合包括至少以下之一：

所述正例样本信息的长度和搜索次数，以及所述负例样本信息的长度和搜索次数。

5.根据权利要求1所述的方法，其特征在于，所述在所述数据源中获取负例样本信息，包括：

在所述数据源中获取未点击的样本信息作为负例样本信息；或者，

在不同语义相关性程度的初始样本信息中筛选负例样本信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述标注正例样本信息、所述负例样本信息以及所述静态统计特征集合对样本信息标注模型进行训练，确定所述样本信息标注模型的模型参数，包括：

对所述标注正例样本信息、所述负例样本信息以及所述静态统计特征集合进行组合，形成训练样本集合；

确定所述样本信息标注模型的收敛函数；

基于所述训练样本集合，对所述样本信息标注模型的双向注意力神经网络进行训练，确定所述双向注意力神经网络的网络参数；

基于所述训练样本集合，对所述样本信息标注模型的特征编码网络进行训练，确定所述特征编码网络的网络参数；

对所述双向注意力神经网络的网络参数和特征编码网络的网络参数进行更新，直至达到所述收敛函数对应的收敛条件。