[发明专利]一种数据集的标注方法及相关装置

说明书

本申请公开了一种数据集的标注方法，包括：按照预设规则从原始数据中选择未标注数据，得到候选数据集；对候选数据集进行不确定性分析，并根据分析结果进行待标注数据筛选，得到待标注数据集；根据接收到的标注信息对待标注数据集进行标注处理，得到已标注数据集。通过将数据集根据不确定性进行数据筛选得到适合模型处理的不确定数据集，对该数据集进行标注可以提高模型训练测试的效率，以更少的数据可以达到更好的效果，提升监督学习的整体效率。本申请还公开了一种数据集的标注装置、服务器以及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种数据集的标注方法、标注装置、服务器以及计算机可读存储介质。

背景技术

随着信息技术的发展，机器学习技术被应用到越来越多的领域，提高不同应用场景下处理问题的效率。机器学习主要是通过大量数据进行训练，得到更加精准的识别模型，同时还要不断的使用原始数据对识别模型的进行测试，以判断该识别模型是否达到学习的要求。

目前主流的机器学习还是监督学习，在监督学习中不可缺少的是有标签的数据。而随着互联网的进一步的发展，每天都在产生大量的数据，并且这些数据都是杂乱无章的，没有标签的，无法直接使用到监督学习中。进一步，数据的标签质量还会直接影响到监督学习的识别模型的识别效果上限。

其中，对于测试使用的原始数据需要进行人工标注，才可以作为训练的原始数据。人工标注主要是对没有标签的数据进行人工的标注相应的类别，以获得具有标注的数据。

但是在一般的人工标注处理中，不可避免会对大量现有识别模型可以进行识别的数据进行标注，这些识别模型已经可以进行识别的数据无法使识别模型得到更好的测试，也就是无法达到对测试数据进行标注的预期效果，降低了监督学习的整体训练效率。

因此，如何提高数据标注的效率是本领域技术人员所关注的重点问题。

发明内容

本申请的目的是提供一种数据集的标注方法、标注装置、服务器以及计算机可读存储介质，通过将数据集根据不确定性进行数据筛选得到适合模型处理的不确定数据集，对该数据集进行标注可以提高模型训练测试的效率，以更少的数据可以达到更好的效果，提升监督学习的整体效率。

为解决上述技术问题，本申请提供一种数据集的标注方法，包括：

按照预设规则从原始数据中选择未标注数据，得到候选数据集；

对所述候选数据集进行不确定性分析，并根据分析结果进行待标注数据筛选，得到待标注数据集；

根据接收到的标注信息对所述待标注数据集进行标注处理，得到已标注数据集。

可选的，对所述候选数据集进行不确定性分析，并根据分析结果进行待标注数据筛选，得到待标注数据集，包括：

对所述候选数据集的数据进行不确定性分析，得到每条所述数据的不确定性数值；

对所有所述数据根据相对应的不确定性数值进行降序排序，选择前预设数量个的所述数据作为所述待标注数据；

将所有所述待标注数据作为待标注数据集。

可选的，对所述候选数据集进行不确定性分析，并根据分析结果进行待标注数据筛选，得到待标注数据集，包括：

对所述候选数据集的数据进行不确定性分析，得到每条所述数据的不确定性数值；

判断每条所述数据的相对应不确定性数值是否大于预设不确定性数值；

若是，则将所述数据作为所述待标注数据；

将所有所述待标注数据作为待标注数据集。

可选的，对所述候选数据集的数据进行不确定性分析，得到每条所述数据的不确定性数值，包括：