[发明专利]标注数据确定方法、装置、可读介质及电子设备

权利要求书

1.一种标注数据确定方法，其特征在于，所述方法包括：

从候选数据集中获取候选数据，其中，所述候选数据集为由多个未标注的文本数据构成的集合；

将所述候选数据分别输入至第一文本识别模型和第二文本识别模型，获得所述第一文本识别模型输出的第一识别结果和所述第二文本识别模型输出的第二识别结果，所述第一文本识别模型和所述第二文本识别模型均能够识别文本数据是否属于目标类别；

根据所述第一识别结果和所述第二识别结果，确定所述候选数据是否符合标注条件，其中，所述标注条件为能够被所述第一文本识别模型和/或所述第二文本识别模型识别为属于所述目标类别；

若确定所述候选数据符合所述标注条件，将所述候选数据确定为待标注文本数据。

2.根据权利要求1所述的方法，其特征在于，所述第一识别结果和所述第二识别结果均用于指示所述候选数据是否属于所述目标类别；

所述根据所述第一识别结果和所述第二识别结果，确定所述候选数据是否符合标注条件，包括：

若所述第一识别结果指示所述候选数据属于所述目标类别，或者，若所述第二识别结果指示所述候选数据属于所述目标类别，确定所述候选数据符合所述标注条件。

3.根据权利要求1所述的方法，其特征在于，所述第一识别结果为所述第一文本识别模型针对所述候选数据输出的第一分值，所述第二识别结果为所述第二文本识别模型针对所述候选数据输出的第二分值；

所述根据所述第一识别结果和所述第二识别结果，确定所述候选数据是否符合标注条件，包括：

若所述第一分值大于或等于分数阈值，或者，若所述第二分值大于或等于所述分数阈值，确定所述候选数据符合所述标注条件。

4.根据权利要求3所述的方法，其特征在于，所述分数阈值通过如下方式确定：

针对所述候选数据集中的每一文本数据，根据所述第一文本识别模型、所述第二文本识别模型和本次使用的目标分值，确定所述文本数据是否符合所述标注条件；

若所述候选数据集中符合所述标注条件的文本数据的数量大于最高采样数量，增大目标分值，并返回所述针对所述候选数据集中的每一文本数据，根据所述第一文本识别模型、所述第二文本识别模型和本次使用的目标分值，确定所述文本数据是否符合所述标注条件的步骤；

若所述候选数据集中符合所述标注条件的文本数据的数量小于或等于所述最高采样数量，将本次使用的目标分值确定为所述分数阈值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一文本识别模型、所述第二文本识别模型和本次使用的目标分值，确定所述文本数据是否符合所述标注条件，包括：

将所述文本数据分别输入至所述第一文本识别模型和所述第二文本识别模型，获得所述第一文本识别模型输出的第三分值以及所述第二文本模型输出的第四分值；

若所述第三分值大于或等于所述目标分值，或者，若所述第四分值大于或等于所述目标分值，确定所述文本数据符合所述标注条件。

6.根据权利要求1所述的方法，其特征在于，在将所述候选数据确定为待标注文本数据的步骤之后，所述方法还包括：

返回所述从候选数据集中获取候选数据的步骤，直至满足以下两个条件中的任一种：

所述候选数据集中的文本数据全部遍历；

待标注文本数据的数量达到预设采样数量。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：

获取针对所述待标注文本数据的标注信息；

利用所述标注信息对所述待标注文本数据进行标注，得到标注后的数据；

将所述标注后的数据添加至评测数据集，所述评测数据集用于对所述第一文本识别模型和所述第二文本识别模型进行模型评测。