[发明专利]一种数据纠偏方法、装置和设备

说明书

本说明书实施例公开了一种数据纠偏方法、装置和设备。数据纠偏方法包括：基于用户输入的判断结果，对白名单、和/或规则库进行更新，获得更新的白名单、和/或更新的规则库，所述用户输入为基于结构化数据的输入；当所述更新的白名单中包括的所述用户修改操作数大于等于第一预设阈值时，则基于所述更新的白名单、和/或所述更新的规则库进行样本库的更新，获得更新的样本库；基于所述更新的样本库，对修正模型进行重训，获得新修正模型；基于所述新修正模型的准确率及所述修正模型的准确率，确定上线模型；若所述上线模型为所述新修正模型，则基于所述上线模型，对基于所述修正模型和所述原模型获得的识别结果进行修正。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种数据纠偏方法、装置和设备。

背景技术

数据识别模型用于进行数据识别、数据分类等操作，数据识别模型在完成训练上线后，其识别能力一般是固化的。而在用户使用数据识别模型的过程中，经常存在用户经验结果与模型推理结果相冲突的情况，影响数据识别模型的准确度。因此，实现数据识别模型的在线修正很有必要。

现有技术中，为了提高数据识别、数据分类的准确性，往往采用以机器自动标注为代表的数据标注技术。数据标注技术在实现模型自动构建的同时，在模型能力方面融入了部分的用户经验。但该技术在本质上仍属于模型构建手段，无法支持模型上线后的能力修正，更无法将用户经验持续在线融合。

因此，需要一种新的数据纠偏方法，以提高数据识别、数据分类的准确性。

发明内容

本说明书实施例提供一种数据纠偏方法、装置和设备，用于解决如下技术问题：现有的以机器自动标注为代表的数据标注技术，提高数据识别、数据分类的准确性的方法，在本质上仍属于模型构建手段，无法支持模型上线后的能力修正，更无法将用户经验持续在线融合。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种数据纠偏方法，包括：

基于用户输入的判断结果，对白名单、和/或规则库进行更新，获得更新的白名单、和/或更新的规则库，所述用户输入为基于结构化数据的输入，所述白名单至少包括：key、value及用户信息；

当所述更新的白名单中包括的所述用户修改操作数大于等于第一预设阈值时，则基于所述更新的白名单、和/或所述更新的规则库进行样本库的更新，获得更新的样本库；

基于所述更新的样本库，对修正模型进行重训，获得新修正模型；

基于所述新修正模型的准确率及所述修正模型的准确率，确定上线模型；

若所述上线模型为所述新修正模型，则基于所述上线模型，对基于所述修正模型和所述原模型获得的识别结果进行修正。

本说明书实施例提供的一种数据纠偏装置，所述装置包括：

判断模块，基于用户输入的判断结果，对白名单、和/或规则库进行更新，获得更新的白名单、和/或更新的规则库，所述用户输入为基于结构化数据的输入，所述白名单至少包括：key、value及用户信息；

样本库更新模块，当所述更新的白名单中包括的所述用户修改操作数大于等于第一预设阈值时，则基于所述更新的白名单、和/或所述更新的规则库进行样本库的更新，获得更新的样本库；

重训模块，基于所述更新的样本库，对修正模型进行重训，获得新修正模型；

决策模块，基于所述新修正模型的准确率及所述修正模型的准确率，确定上线模型；

修正模块，若所述上线模型为所述新修正模型，则基于所述上线模型，对基于所述修正模型和所述原模型获得的识别结果进行修正。

本说明书实施例提供的一种数据纠偏设备，包括：