[发明专利]一种数据标注方法、装置以及设备

说明书

本说明书实施例公开了一种数据标注方法、装置以及设备。方案包括：获取各待标注数据的特征向量；利用密度聚类算法，对各所述特征向量进行聚类，得到多个类簇；根据所述类簇的密度状况，从所述类簇包含的点中筛选得到核心对象集合、非核心对象集合；选择所述类簇的核心对象集合中的部分核心对象，以及所述类簇的非核心对象集合中的部分非核心对象，进行标注；根据标注结果，对所述类簇中的至少部分其他点进行自动扩散标注。

技术领域

本说明书涉及计算机软件技术领域，尤其涉及一种数据标注方法、装置以及设备。

背景技术

数据分级分类作为大数据安全工作的基础能力尤为重要。但是大量的表和字段依靠传统的人工标注方法会带来很大的工作量，加之一般公司的数据安全人员投入优先，并且对业务的理解也较为有限，难以枚举所有的数据类目，导致大数据量下的标注质量难以得到保证，这都为数据分级分类带来较大的麻烦。

基于此，需要更为有效的数据标注方案。

发明内容

本说明书实施例提供一种数据标注方法、装置以及设备，用以解决如下技术问题：需要更为有效的数据标注方案。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种数据标注方法，包括：

获取各待标注数据的特征向量；

利用密度聚类算法，对各所述特征向量进行聚类，得到多个类簇；

根据所述类簇的密度状况，从所述类簇包含的点中筛选得到核心对象集合、非核心对象集合；

选择所述类簇的核心对象集合中的部分核心对象，以及所述类簇的非核心对象集合中的部分非核心对象，进行标注；

根据标注结果，对所述类簇中的至少部分其他点进行自动扩散标注。

本说明书实施例提供的一种数据标注装置，包括：

向量化模块，获取各待标注数据的特征向量；

聚类模块，利用密度聚类算法，对各所述特征向量进行聚类，得到多个类簇；

筛选模块，根据所述类簇的密度状况，从所述类簇包含的点中筛选得到核心对象集合、非核心对象集合；

第一标注模块，选择所述类簇的核心对象集合中的部分核心对象，以及所述类簇的非核心对象集合中的部分非核心对象，进行标注；

第二标注模块，根据标注结果，对所述类簇中的至少部分其他点进行自动扩散标注。

本说明书实施例提供的一种数据标注设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取各待标注数据的特征向量；

利用密度聚类算法，对各所述特征向量进行聚类，得到多个类簇；

根据所述类簇的密度状况，从所述类簇包含的点中筛选得到核心对象集合、非核心对象集合；

选择所述类簇的核心对象集合中的部分核心对象，以及所述类簇的非核心对象集合中的部分非核心对象，进行标注；

根据标注结果，对所述类簇中的至少部分其他点进行自动扩散标注。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：能够降低人工标注工作量，也有利于提高数据标注结果的准确性，并且还有助于发现新的数据类目。