[发明专利]一种数据标注方法及装置

摘要

本发明提供一种数据标注方法及装置，通过已有的标注数据训练第一句法分析器，其中已有的标注数据包括预先在句子中标注的核心词和所述核心词的依存关系；基于所述第一句法分析器自动分析当前待分析句子中未标注的词，从未标注的词中选取出最有歧义的词，对所选取出的最有歧义的词的依存关系进行人工标注，得到部分标注的待分析句子。即本发明实施提供的上述技术方案是一种基于部分标注的数据标注方法，其相对于现有完全标注方法来说降低工作量，并且发明人通过实验证明，对同等数量的待分析句子进行标注，本发明实施例提供的上述技术方案相对于现有完全标注方法来说降低80％的工作量，却取得与完全标注方法近似的准确度。

主权项

一种数据标注方法，其特征在于，所述方法包括：通过已有的标注数据训练第一句法分析器，其中已有的标注数据包括预先在句子中标注的核心词和所述核心词的依存关系；基于所述第一句法分析器自动分析当前待分析句子中未标注的词，从所述未标注的词中选取出最有歧义的词，其中所述最有歧义的词，是指依存关系的标注难度大于同一所述待分析句子中其他词的依存关系的标注难度的词；对所选取出的最有歧义的词的依存关系进行标注，得到部分标注的待分析句子，其中选取出的最有歧义的词添加至所述已有的标注数据中来训练第二句法分析器，所述第二句法分析器替换所述第一句法分析器，用于分析下一个待分析句子中未标注的词。