[发明专利]基于人工智能的数据标注方法、装置、设备以及存储介质

权利要求书

1.一种基于人工智能的数据标注方法，包括：

确定多个参与聚类的样本；

根据各个所述参与聚类的样本的向量表示，对所述多个参与聚类的样本进行预聚类，得到多个类簇，每个所述类簇包含至少一个所述参与聚类的样本；

接收针对各个所述类簇的标注信息，根据所述标注信息重新确定多个参与聚类的样本，返回执行所述对所述多个参与聚类的样本进行预聚类的步骤，以实现迭代处理；直至满足收敛条件或迭代次数达到次数阈值的情况下，根据所述针对各个所述类簇的标注信息确定聚类结果。

2.根据权利要求1所述的方法，其中，针对类簇的所述标注信息包括：所述类簇中包含的至少一个子簇以及每个所述子簇中的代表性样本；

所述根据所述标注信息重新确定多个参与聚类的样本，包括：将针对各个所述类簇的标注信息中的每个子簇中的代表性样本，作为重新确定的多个参与聚类的样本。

3.根据权利要求2所述的方法，其中，所述根据各个所述参与聚类的样本的向量表示，对所述多个参与聚类的样本进行预聚类，包括：

采用聚类算法并结合限制条件，对所述多个参与聚类的样本进行预聚类，以使预聚类得到的各个类簇满足所述限制条件。

4.根据权利要3所述的方法，其中，所述限制条件包括以下至少之一：

每个类簇中包含的参与聚类的样本个数不大于样本个数阈值；

每个类簇中包含的各个参与聚类的样本在上一次迭代处理的预聚类过程中，属于不同的类簇。

5.根据权利要4所述的方法，所述采用聚类算法并结合限制条件，对所述多个参与聚类的样本进行预聚类，包括：

确定各个所述参与聚类的样本的密度；

按照所述密度从大到小的顺序，对各个所述参与聚类的样本分别执行以下操作：

确定所述参与聚类的样本的多个邻近样本；按照邻近样本与所述参与聚类的样本的相似度从大到小的顺序，依次遍历各个所述邻近样本，在第一判断条件均被满足的情况下，将所述参与聚类的样本加入所述邻近样本所属的类簇；所述第一判断条件包括：

所述邻近样本的密度大于所述参与聚类的样本的密度；

所述邻近样本存在所属的类簇；

所述邻近样本与所述参与聚类的样本的相似度大于或等于相似度阈值；

所述邻近样本所属的类簇包含的样本的个数小于所述样本个数阈值；

所述邻近样本与所述参与聚类的样本在上一次迭代处理的预聚类过程中，属于不同的类簇。

6.根据权利要5所述的方法，还包括：在不满足所述第一判断条件中至少之一的情况下，建立新的类簇，所述新的类簇包括所述参与聚类的样本。

7.根据权利要4所述的方法，其中，所述采用聚类算法并结合限制条件，对所述多个参与聚类的样本进行预聚类，包括：

从所述多个参与聚类的样本中选取部分，将选取的每个参与聚类的样本作为一个聚类中心；

针对除所述聚类中心以外的各个所述参与聚类的样本，在第二判断条件均被满足的情况下，将所述参与聚类的样本加入距离最近的聚类中心所属的类簇；所述第二判断条件包括：

所述距离最近的聚类中心所属的类簇中包含的样本的个数小于所述样本个数阈值；

所述距离最近的聚类中心所属的类簇中，不包含上一次迭代处理的预聚类过程中与所述参与聚类的样本属于同一类簇的样本。

8.根据权利要7所述的方法，还包括：在不满足所述第二判断条件中至少之一的情况下，将所述参与聚类的样本加入其他聚类中心所属的类簇。

9.根据权利要4至8中任一所述的方法，其中，所述收敛条件包括：各个所述类簇中包含的样本个数均小于所述样本个数阈值。

10.根据权利要4至8中任一所述的方法，其中，所述次数阈值由所述样本个数阈值和第一次迭代过程中所述参与聚类的样本的个数确定。