数据标注的方法、装置、设备以及存储介质制造方法及图纸

本公开提供了数据标注的方法、装置、设备以及存储介质，涉及数据处理技术领域，尤其涉及人工智能、语音技术、深度学习技术领域。具体实现方案为：利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，多个模型中的至少一个模型的标注结果根据多个模型中的至少一个其他模型的标注结果得出；根据多个标注结果的出现频次，确定目标数据的最终标注结果。根据本公开的方案，能够得到目标数据更加准确的标注结果。的标注结果。的标注结果。

【技术实现步骤摘要】
数据标注的方法、装置、设备以及存储介质


[0001]本公开涉及数据处理
，尤其涉及人工智能、语音技术、深度学习


技术介绍

[0002]随着人工智能时代的到来，机器学习被应用于越来越多的领域。在有监督学习的机器学习训练中，首先要解决的就是高质量训练数据的获取问题，有了已标注的数据才能进行接下来的机器学习训练过程。

技术实现思路

[0003]本公开提供了一种数据标注的方法、装置、设备以及存储介质。
[0004]根据本公开的一方面，提供了一种数据标注的方法，包括：
[0005]利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，多个模型中的至少一个模型的标注结果根据多个模型中的至少一个其他模型的标注结果得出。以及
[0006]根据多个标注结果的出现频次，确定目标数据的最终标注结果。
[0007]根据本公开的另一方面，提供了一种数据标注的装置，包括：
[0008]标注模块，用于利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，多个模型中的至少一个模型的标注结果根据多个模型中的至少一个其他模型的标注结果得出。以及
[0009]确定模块，用于根据多个标注结果的出现频次，确定目标数据的最终标注结果。
[0010]根据本公开的另一方面，提供了一种电子设备，包括：
[0011]至少一个处理器；以及
[0012]与该至少一个处理器通信连接的存储器；其中，
[0013]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开中任一实施例的方法。
[0014]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开中任一实施例的方法。
[0015]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开中任一实施例的方法。
[0016]根据本公开的方案，能够得到目标数据更加准确的标注结果。
[0017]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0018]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0019]图1是根据本公开实施例的数据标注的方法的流程示意图；
[0020]图2是根据本公开实施例的数据标注的方法的应用场景示意图；
[0021]图3是根据本公开实施例的数据标注的方法的步骤S101的流程示意图；
[0022]图4是根据本公开另一实施例的数据标注的方法的步骤S101的流程示意图；
[0023]图5是根据本公开实施例的数据标注的装置的结构示意图；
[0024]图6是用来实现本公开实施例的数据标注的方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]本公开的实施方式提供一种数据标注的方法，如图1所示，其为本实施例的数据标注的方法的流程图，该方法可以包括以下步骤：
[0027]S101：利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，多个模型中的至少一个模型的标注结果根据多个模型中的至少一个其他模型的标注结果得出。以及
[0028]S102：根据多个标注结果的出现频次，确定目标数据的最终标注结果。
[0029]需要说明的是，目标数据可以为语音数据、图像数据、文本数据等。在目标数据为语音数据时，通过标注结果，可以确定语音数据对应的文字内容是什么。在目标数据为图像数据时，通过标注结果，可以确定图像数据中包含有哪些图像内容，可以确定图像中的人事物具体是什么等等。在目标数据为文本数据时，通过标注结果可以确定文本数据所描述的内容是关于哪个领域的，文本数据的类型等等。
[0030]所利用的模型可以理解为是具备标注功能的软件或系统，也可以理解为是具备标注功能的预训练的神经网络模型。每个模型对目标数据进行标注后，可以得到至少一个标注结果。
[0031]多个模型中可以包括A模型，A模型可以根据目标数据得到初步标注结果后，再根据其他一个或多个模型的标注结果对初步标注结果进行调整，进而得到A模型针对目标数据的实际标注结果。多个模型中还可以包括B 模型，B模型可以根据目标数据直接得到标注结果，无需参考其他某些的标注结果。多个模型中可以包括至少一个A模型，多个模型中可以不包含有B模型。
[0032]多个标注结果的出现频次，可以理解为：每种标注结果的出现次数。例如，四个模型输出四个标注结果，其中第一个模型和第二个模型的标注结果均为a，第三个模型的标注结果为b，第四个模型的标注结果为c，则 a标注结果的出现频次为2，b、c标注结果的出现频次为1。
[0033]确定的最终标注结果可以是唯一的一个标注结果，也可以是多个不同的标注结果。
[0034]根据本公开的方案，由于某些模型的标注过程参考了其他模型的标注结果，并基于此对自己的标注结果进行调整，因此可以使得每个模型得到的标注结果更加准确，从而进一步保证基于所有模型的标注结果得到的最终标注结果更加准确。同时，某些模型由于
参考了其他模型的标注结果，因此也避免了每个模型的标注结果过于分散和不一致的问题出现，使得利用多个模型对目标数据进行标注后，能够快速收敛得到最终标注结果。
[0035]本公开的实施方式提供的数据标注的方法，可以应用于如图2所示的场景框架下。在图2中，10表示终端，20表示服务器，30表示分布式计算机系统。本公开的数据标注的方法可以由终端10、服务器20或分布式计算机系统30联合执行，也可以由终端10、服务器20或分布式计算机系统30中的一个或多个执行。终端10可以用于将目标数据上报/发送至服务器20或分布式计算机系统30。服务器20或分布式计算机系统30通过多个模型完成本公开的数据标注的方法后，可以将最终标注结果反馈至终端 10.。终端10、服务器20或分布式计算机系统30也可以自行根据目标数据利用多个模型完成本公开的数据标注的方法。
[0036]在一种实施方式中，本公开的实施方式提供的数据标注的方法，包括步骤S101和S102，其中，步骤S101：利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，多个模型中的至少一个模型的标注结果根据多个模型中的至少一个其他模型的标注结果得出，可以进一步包括：
[0037]利用多个模型依次分别对目标数据进行标注，得到多个标注结果，其中，多个模型中在后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据标注的方法，包括：利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，所述多个模型中的至少一个模型的标注结果根据所述多个模型中的至少一个其他模型的标注结果得出；以及根据所述多个标注结果的出现频次，确定所述目标数据的最终标注结果。2.根据权利要求1所述的方法，其中，所述利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，所述多个模型中的至少一个模型的标注结果根据所述多个模型中的至少一个其他模型的标注结果得出，包括：利用多个模型依次分别对目标数据进行标注，得到多个标注结果，其中，所述多个模型中在后的模型的标注结果根据至少一个在先的模型的标注结果得出。3.根据权利要求1所述的方法，其中，所述利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，所述多个模型中的至少一个模型的标注结果根据所述多个模型中的至少一个其他模型的标注结果得出，包括：利用多个模型依次分别对目标数据进行标注，得到多个标注结果，其中，从所述多个模型中的第三个模型开始，标注结果根据两个在先的模型的标注结果得出。4.根据权利要求1所述的方法，其中，所述利用多个模型分别对目标数据进行标注，得到多个标注结果，其中，所述多个模型中的至少一个模型的标注结果根据所述多个模型中的至少一个其他模型的标注结果得出，包括：利用多个模型依次分别对目标数据进行标注，得到多个标注结果，其中，从所述多个模型中的第三个模型开始，标注结果根据两个在先的模型的标注结果得出；从所述多个模型中的第四个模型开始，所根据的所述两个在先的模型的标注结果中的一个标注结果是当前模型的前一个模型的标注结果。5.根据权利要求1至4任一项所述的方法，其中，所述根据所述多个标注结果的出现频次，确定所述目标数据的最终标注结果，包括：根据所述多个标注结果的出现频次，确定出现频次最高的标注结果为所述目标数据的最终标注结果。6.根据权利要求1至4任一项所述的方法，其中，所述目标数据为语音数据、图像数据或文本数据中的任一种。7.一种数据标注的装置，包括：...

【专利技术属性】
技术研发人员：李超，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：