[发明专利]一种标注样本确定方法、装置、设备及存储介质

说明书

本申请实施例公开了一种基于人工智能的标注样本确定方法、装置、设备及存储介质，其中，该方法包括：获取样本对，该样本对包括未标注样本和已标注样本；将该样本对中的未标注样本和已标注样本分别作为样本评估模型的两路输入，获得样本评估模型的输出结果；该样本评估模型用于衡量两路输入的样本之间的相似度；根据该输出结果确定样本对中的未标注样本的可用度；当所述可用度满足预设条件时，确定样本对中的未标注样本为需要标注的样本。该方法将成对学习引入样本选择过程中，在衡量未标注样本的标注价值时利用样本评估模型对未标注样本和已标注样本进行特征提取和学习，基于二者的域间差异性衡量未标注样本的标注价值。

技术领域

本申请涉及人工智能(Artificial Intelligence，AI)技术领域，具体涉及一种基于人工智能的标注样本确定方法、装置、设备及存储介质。

背景技术

随着机器学习技术的迅速发展，深度学习网络如今已被广泛地应用于各行各业。目前，很多深度学习网络都是基于监督学习算法训练得到的，这种情况下，用于训练深度学习网络的训练样本越多，相应训练得到的深度学习网络的模型性能会越好。但是在实际应用中，标记样本的获取是比较困难的，需要相关领域内的专家进行人工标注，所需耗费的时间成本和经济成本都很高。

为了能够使用较少的训练样本训练得到模型性能较好的深度学习网络，主动学习(Active Learning)技术应运而生，其可以通过一定的算法从未标注样本中查询到比较有标注价值的样本，并交由专家进行标注，进而利用标注后的样本对深度学习网络进行训练以提高其模型性能。

基于现有的主动学习方法选择需要标注的样本时，通常逐一针对各未标注样本衡量其对应的标注价值，从而选出标注价值较高的未标注样本进行标注。然而，这种主动学习方法仅关注单个未标注样本的标注价值，其并未考虑由所选出的这些样本组成的训练样本集的整体特征分布，经常导致由所选出的未标注样本(对其进行标注后)和已标注样本组成的训练样本集整体分布特征不够分散；利用这种训练样本集对深度学习网络进行训练，难以使得深度学习网络综合学习多方面的特征，对深度学习网络的模型性能会产生较大的影响。

发明内容

本申请实施例提供了一种标注样本确定方法、装置、设备及存储介质，能够有效地从未标注样本中选出训练深度学习网络时真正需要的样本进行标注。

有鉴于此，本申请第一方面提供了一种基于人工智能的标注样本确定方法，所述方法包括：

获取样本对，所述样本对包括未标注样本和已标注样本；

将所述样本对中的未标注样本和已标注样本分别作为样本评估模型的两路输入，获得所述样本评估模型的输出结果；所述样本评估模型用于确定两路输入的样本之间的相似度；

根据所述输出结果确定所述样本对中的未标注样本的可用度；

当所述可用度满足预设条件时，确定所述样本对中的未标注样本为需要标注的样本。

本申请第二方面提供了一种基于人工智能的标注样本确定装置，所述装置包括：

获取模块，用于获取样本对，所述样本对包括未标注样本和已标注样本；

处理模块，用于将所述样本对中的未标注样本和已标注样本分别作为样本评估模型的两路输入，获得所述样本评估模型的输出结果；所述样本评估模型用于确定两路输入的样本之间的相似度；

价值确定模块，用于根据所述输出结果确定所述样本对中的未标注样本的可用度；

选择模块，用于当所述可用度满足预设条件时，确定所述样本对中的未标注样本为需要标注的样本。

本申请第三方面提供了一种电子设备，包括：存储器和处理器；

所述存储器用于存储计算机程序；