[发明专利]数据标注方法、装置、计算机设备和存储介质

权利要求书

1.一种数据标注方法，其特征在于，包括：

基于艺术领域知识图谱，采用远程监督方法获取待标注数据；

对所述待标注数据进行数据清洗和预标注，得到预标注数据；

监测针对所述预标注数据中实体的标记动作，所述实体的标记动作包括新实体标注动作和取消错误标注动作，其中，

当监测到的实体标记动作为所述新实体标注动作时，确定所述新实体标注动作所对应的第一实体为漏标新实体，并对位于所述预标注数据中其他位置上的所述第一实体进行标注；

当监测到的实体标记动作为所述取消错误标注动作时，确定所述取消错误标注动作所对应的第二实体为错标实体，并统计所述第二实体被取消标记次数，以及统计针对所述第二实体的标记动作总数，并计算所述第二实体被取消标记次数与所述标记动作总数的比值，以及当所述比值大于预设阈值时，对位于所述预标注数据中其他位置上的所述第二实体进行标记取消操作，且所述第二实体在后期的标注过程中不再被自动标注。

2.根据权利要求1所述的方法，其特征在于，所述基于艺术领域知识图谱，采用远程监督方法获取待标注数据，包括：

根据艺术领域知识图谱获取包含待标注的实体三元组实体对；

确定所述艺术领域所对应的垂直网站；

基于所述艺术领域知识图谱的三元组实体对，采用远程监督方法从所述垂直网站上获取包含三元组实体对的所述待标注数据。

3.根据权利要求2所述的方法，其特征在于，基于所述艺术领域知识图谱的三元组实体对，采用远程监督方法从所述垂直网站上获取包含三元组实体对的所述待标注数据，包括：

获取所述垂直网站上的文本内容；

针对所述艺术领域知识图谱的三元组实体对及其对应实体关系，通过检索的方式，从所述垂直网站上的文本内容中找出包含有所述三元组实体对的句子；

将找到的包含有所述三元组实体对的句子，作为对应实体关系的待标注数据。

4.根据权利要求1所述的方法，其特征在于，对所述待标注数据进行数据清洗和预标注，得到预标注数据，包括：

判断所述待标注数据中是否包含代词；

若是，根据所述待标注数据的句子间含义，将所述待标注数据中的代词替换成对应的实体词，并根据多个实体词和所述多个实体词的实体类型对经过代词替换的待标注数据进行预标注以得到预标注数据；

若否，则根据所述多个实体词和所述多个实体词的实体类型对所述待标注数据进行预标注，得到预标注数据。

5.一种数据标注装置，其特征在于，包括：

获取模块，用于基于艺术领域知识图谱，采用远程监督方法获取待标注数据；

预标注模块，用于对所述待标注数据进行数据清洗和预标注，得到预标注数据；

标注校正模块，用于监测针对所述预标注数据中实体的标记动作，所述实体的标记动作包括新实体标注动作和取消错误标注动作；其中，所述标注校正模块包括：

第一标注校正单元，用于在监测到的实体标记动作为所述新实体标注动作时，确定所述新实体标注动作所对应的第一实体为漏标新实体，并对位于所述预标注数据中其他位置上的所述第一实体进行标注；

第二标注校正单元，用于在监测到的实体标记动作为所述取消错误标注动作时，确定所述取消错误 标注动作所对应的第二实体为错标实体，并统计所述第二实体被取消标记次数，以及统计针对所述第二实体的标记动作总数，并计算所述第二实体被取消标记次数与所述标记动作总数的比值，以及当所述比值大于预设阈值时，对位于所述预标注数据中其他位置上的所述第二实体进行标记取消操作，且所述第二实体在后期的标注过程中不再被自动标注。

6.一种计算机设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1至4中任一项所述的数据标注方法。

7.一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如权利要求1至4中任一项所述的数据标注方法。