(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111458298.7 (22)申请日 2021.12.01 (71)申请人 北京欧珀通信有限公司 地址 100026 北京市朝阳区朝阳公园南路 10号院2号楼15层15 03 (72)发明人 胡琳珠　 (74)专利代理 机构 深圳市隆天联鼎知识产权代 理有限公司 4 4232 代理人 刘抗美 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 数据处理方法及装置、 电子设备、 存 储介质 (57)摘要 本公开实施例是关于一种数据处理方法及 装置、 电子设备、 存储介质， 涉及人工智能技术领 域， 该数据处理方法包括： 将待处理数据划分为 已标注数据和未标注数据， 根据使用所述已标注 数据训练的当前模型对所述未标注数据进行标 注， 并确定自主学习对应的选择策略； 使用自主 学习对应的选择策略从未标注数据中选择目标 数量的样 本数据， 并对所述样 本数据进行标注得 到标注的样本数据， 以获取更新的已标注数据； 根据使用更新的已标注数据训练的下一模型， 对 除所述样 本数据之外的未标注数据进行标注， 直 至满足终止条件为止得到目标模 型； 根据所述目 标模型对剩余未标注数据进行预测标注， 获取标 注结果。 本公开的技术方案能够提高数据处理的 准确性和高效性。 权利要求书2页 说明书15页 附图8页 CN 114139726 A 2022.03.04 CN 114139726 A 1.一种数据处 理方法， 其特 征在于， 包括： 将待处理数据划分为已标注数据和未标注数据， 根据使用所述已标注数据训练 的当前 模型对所述未标注数据进行标注， 并确定自主学习对应的选择策略； 所述已标注数据和未 标注数据用于自主学习； 使用自主学习对应的选择策略从未标注数据中选择目标数量的样本数据， 并对所述样 本数据进行 标注得到标注的样本数据， 以获取 更新的已标注数据； 根据使用更新的已标注数据训练的下一模型， 对除所述样本数据之外的未标注数据进 行标注， 直至满足 终止条件为止得到目标模型； 根据所述目标模型对剩余未 标注数据进行 预测标注， 获取 标注结果。 2.根据权利要求1所述的数据处理方法， 其特征在于， 所述确定自主学习 对应的选择策 略， 包括： 将第一选择 策略确定为当轮自主学习对应的选择 策略； 根据验证集指标以及每个未标注数据在所述当前模型下的属性信 息， 确定下一轮自主 学习对应的选择 策略； 所述属性信息根据所述当前模型对未 标注数据进行 标注而得到 。 3.根据权利要求2所述的数据处理方法， 其特征在于， 所述根据验证集指标以及每个未 标注数据在所述当前模型 下的属性信息， 确定下一轮自主学习对应的选择 策略， 包括： 若根据验证集指标以及所述属性信 息确定当前自主学习不满足分阶段条件， 将所述第 一选择策略确定为下一轮自主学习对应的选择 策略； 若确定当前自主学习 满足分阶段条件， 结合所述第 一选择策略和所述第 二选择策略确 定下一轮自主学习对应的选择 策略。 4.根据权利要求3所述的数据处 理方法， 其特 征在于， 所述方法还 包括： 若连续多轮的验证集指标未增加， 或根据第 一选择策略选择的目标数量的样本数据的 属性信息相对于上一轮的属性信息未增 加， 确定满足分阶段 条件。 5.根据权利要求3所述的数据处理方法， 其特征在于， 所述结合所述第 一选择策略和所 述第二选择 策略确定下一轮自主学习对应的选择 策略， 包括： 若第一选择策略中的指标参数小于参数阈值， 直接将所述第 一选择策略切换为所述第 二选择策略； 若所述指标参数不小于所述参数阈值， 对第一选择策略的指标参数进行调整， 将所述 选择策略从第一选择 策略过渡至第二选择 策略。 6.根据权利要求5所述的数据处理方法， 其特征在于， 所述对第 一选择策略的指标参数 进行调整， 将所述选择 策略从第一选择 策略过渡至第二选择 策略， 包括： 对所述指标参数进行衰减， 直至所述指标参数衰减为参考指标参数时将所述第 一选择 策略过渡至所述第二选择 策略。 7.根据权利要求1所述的数据处理方法， 其特征在于， 所述使用自主学习 对应的选择策 略从未标注数据中选择目标 数量的样本数据， 包括： 通过当前模型对未标注数据池中的未标注数据进行预测得到预测分数， 并基于所述预 测分数计算未 标注数据的信息量； 根据所述信息量的排列顺序获取参 考数量的样本数据； 对所述参考数量的样本数据进行聚类， 以获取目标 数量的样本数据。权　利　要　求　书 1/2 页 2 CN 114139726 A 28.根据权利要求7所述的数据处理方法， 其特征在于， 所述对所述参考数量的样本数据 进行聚类， 以获取目标 数量的样本数据， 包括： 在所述参考数量的样本数量中， 分别选择距离聚类中心最近的一个样本数据， 以获取 所述目标 数量的样本数据； 参 考数量的样本数据对应目标 数量的类别。 9.根据权利要求1所述的数据处理方法， 其特征在于， 所述使用自主学习 对应的选择策 略从未标注数据中选择目标 数量的样本数据， 包括： 通过当前模型对未 标注数据进行 预测获取 预测分数； 基于所述未标注数据的预测分数计算信 息量， 并根据所述信 息量的排列顺序获取目标 数量的样本数据。 10.一种数据处 理装置， 其特 征在于， 包括： 选择策略确定模块， 用于将待处理数据划分为已标注数据和未标注数据， 根据使用所 述已标注数据训练的当前模型对所述未标注数据进行标注， 并确定自主 学习对应的选择策 略； 所述已标注数据和未 标注数据用于自主学习； 样本选择模块， 用于使用自主学习 对应的选择策略从未标注数据中选择目标数量的样 本数据， 并对所述样本数据进行 标注得到标注的样本数据， 以获取 更新的已标注数据； 迭代模块， 用于根据使用更新的已标注数据训练的下一模型， 对 除所述样本数据之外 的未标注数据进行 标注， 直至满足 终止条件为止得到目标模型； 预测标注模块， 用于根据所述目标模型对剩余未标注数据进行预测标注， 获取标注结 果。 11.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1 ‑9任意一项所述 的数据处 理方法。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1 ‑9任意一项所述的数据处 理方法。权　利　要　求　书 2/2 页 3 CN 114139726 A 3