[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

说明书

本公开提供了一种基于人工智能的数据标注方法、装置、设备以及存储介质，涉及人工智能领域，尤其数据标注、图像识别、自然语言处理技术领域。具体实现方案为：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。本公开能够提高聚类标注的准确性。

技术领域

本公开涉及人工智能领域，尤其数据标注、图像识别、自然语言处理技术领域。

背景技术

聚类标注算法又称为聚类分析算法或群分析方法，是研究分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。

现实业务中，经常需要划分真实的类簇。例如，为了评估聚类任务的效果，可以采用测试集进行评估。测试集是将多个样本按照聚类标准划分出的多个互斥的真实簇，需要人工来进行划分；如果样本数量较大，会造成标注的工作量过大，进而造成聚类标注的准确性较低。

发明内容

本公开提供了一种基于人工智能的数据标注方法、装置、设备以及存储介质。

根据本公开的一方面，提供了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；

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

接收针对各个类簇的标注信息，根据标注信息重新确定多个参与聚类的样本，返回执行对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，根据针对各个类簇的标注信息确定聚类结果。

根据本公开的另一方面，提供了一种聚类装置，包括：

聚类装置，包括：

筛选模块，用于确定多个参与聚类的样本；

聚类模块，用于根据各个参与聚类的样本的向量表示，对多个参与聚类的样本进行预聚类，得到多个类簇，每个类簇包含至少一个参与聚类的样本；

处理模块，用于接收针对各个类簇的标注信息，根据标注信息重新确定多个参与聚类的样本，返回执行对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，根据针对各个类簇的标注信息确定聚类结果。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行上述基于人工智能的数据标注方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行上述基于人工智能的数据标注方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述基于人工智能的数据标注方法。

本公开首先对参与聚类的样本进行预聚类，得到多个类簇；之后根据标注信息实现对各个类簇的划分，并多次迭代，最终得到聚类结果。由于每个类簇中样本的数量不大，因此标注的工作量较小，从而能够提高聚类标注的准确性。