[发明专利]数据的处理方法、装置、电子设备及存储介质

权利要求书

1.一种数据的处理方法，其特征在于，所述方法包括：

通过标签分类模型包括的已有标签对第一样本集中的样本进行标签标注，得到第二样本集；

获取所述第二样本集中的未标注所述已有标签的目标样本，其中，所述第二样本集中包括标注有所述已有标签的样本和未标注有所述已有标签的样本；

获取针对所述目标样本设置的描述信息；

将所述描述信息与标签库包括的标签进行相似度计算，确定与所述描述信息的相似度最高的标签为新标签；其中，所述标签库包括：词库中的单词和/或所述已有标签；

通过所述新标签对所述第二样本集中的目标样本进行标注，得到包括所述目标样本以及所述目标样本对应的新标签的第三样本集；

其中，所述将所述描述信息与标签库包括的标签进行相似度计算，确定与所述描述信息的相似度最高的标签为新标签，包括：

将所述描述信息与词库包括的单词进行相似度计算，和/或将所述描述信息与所述已有标签进行相似度计算，确定与所述描述信息的相似度最高的单词或已有标签为新标签；

所述方法还包括：将所述新标签添加进所述标签分类模型中的标签体系，以进一步完善所述标签分类模型。

2.根据权利要求1所述的方法，其特征在于，所述词库包括多个用于与所述描述信息进行相似度计算的单词。

3.根据权利要求1所述的方法，其特征在于，所述将所述描述信息与词库包括的单词进行相似度计算，和将所述描述信息与所述已有标签进行相似度计算，确定与所述描述信息的相似度最高的单词或已有标签为新标签，包括：

获取所述描述信息对应的分词集合；

去除所述词库中与所述已有标签匹配的单词；

通过词向量模型获取所述分词集合包括的分词对应的平均词向量，所述词库中单词对应的单词向量，以及所述已有标签对应的标签向量；

计算所述平均词向量与每个所述单词向量之间的向量距离，以及所述平均词向量与每个所述标签向量之间的向量距离；

确定与所述平均词向量的向量距离最小的单词向量为目标单词向量，将所述目标单词向量对应的单词为新标签；

确定与所述平均词向量的向量距离最小的标签向量为目标标签向量，将所述目标标签向量对应的已有标签为新标签。

4.根据权利要求3所述的方法，其特征在于，所述描述信息包括：描述语句；所述获取所述描述信息对应的分词集合，包括：

通过分词工具对所述描述语句进行分词处理，得到多个分词；

去除所述多个分词中的停用词，得到所述分词集合。

5.根据权利要求3所述的方法，其特征在于，所述描述信息包括：多个描述词；所述获取所述描述信息对应的分词集合，包括：

去除所述多个描述词中的停用词，得到所述分词集合。

6.根据权利要求3所述的方法，其特征在于，所述向量距离为夹角余弦距离。

7.一种数据的处理装置，其特征在于，所述装置包括：

第一标注模块，用于通过标签分类模型包括的已有标签对第一样本集中的样本进行标签标注，得到第二样本集；

第一获取模块，用于获取所述第二样本集中的未标注所述已有标签的目标样本，其中，所述第二样本集中包括标注有所述已有标签的样本和未标注有所述已有标签的样本；

第二获取模块，用于获取针对所述目标样本设置的描述信息；

确定模块，用于将所述描述信息与标签库包括的标签进行相似度计算，确定与所述描述信息的相似度最高的标签为新标签；其中，所述标签库包括：词库中的单词和/或所述已有标签；

第二标注模块，用于通过所述新标签对所述第二样本集中的目标样本进行标注，得到包括所述目标样本以及所述目标样本对应的新标签的第三样本集；

其中，所述确定模块包括：

确定子模块，用于将所述描述信息与词库包括的单词进行相似度计算，和/或将所述描述信息与所述已有标签进行相似度计算，确定与所述描述信息的相似度最高的单词或已有标签为新标签；

所述装置还包括：添加模块，所述添加模块用于将所述新标签添加进所述标签分类模型中的标签体系，以进一步完善所述标签分类模型。