[发明专利]一种训练数据检测模型的方法、数据检测的方法及装置

权利要求书

1.一种训练数据检测模型的方法，其特征在于，包括：

获取初始数据检测模型，其中，所述初始数据检测模型是通过初始标注数据集对基础数据检测模型进行训练得到的，所述初始标注数据集包括初始数据和所述初始数据对应的初始标签，所述初始标签是将所述初始数据输入到所述基础数据检测模型后生成的；

将样本数据集输入至所述初始数据检测模型，获取标注检测结果，其中，所述标注检测结果用于表征模型标注结果与人工标注结果是否一致，所述样本数据集包括样本数据和与所述样本数据对应的所述人工标注结果；

通过所述标注检测结果，从所述样本数据中筛选出目标样本数据，并对所述目标样本数据进行至少两人次标注获取标注结果；

至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练，获取目标数据检测模型，其中，所述目标数据检测模型用于检测目标模型检测结果与人为标注结果是否一致。

2.如权利要求1所述的方法，其特征在于，在所述获取初始数据检测模型之前，所述方法还包括：

利用基础数据集对语言模型进行训练，获取待优化基础数据检测模型；

利用第一调优算法对所述待优化基础数据检测模型进行优化，获取所述基础数据检测模型。

3.如权利要求1或2所述的方法，其特征在于，在所述至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练之前，所述方法还包括：

获取所述样本数据中除所述目标样本数据之外的剩余样本数据；

所述至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练，包括：

利用所述目标样本数据和所述标注结果，以及所述剩余样本数据和与所述剩余样本数据对应的人工标注结果，对所述初始数据检测模型进行训练。

4.如权利要求3中所述的方法，其特征在于，所述至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练，获取目标数据检测模型，包括：

至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练，获取待优化数据检测模型；

利用第二调优算法对所述待优化数据检测模型进行优化，获取所述目标数据检测模型。

5.如权利要求4所述的方法，其特征在于，所述语言模型为ERNIE模型，所述第一调优算法为特征提取算法，所述第二调优算法为深度网络微调算法。

6.一种数据检测的方法，其特征在于，包括：

获取待检测数据集，所述待检测数据集包括原始数据，以及与所述原始数据对应的人工标注结果；

将所述待检测数据集输入至经过如权利要求1-6中任一项方法得到的目标数据检测模型中，获取所述待检测数据集的检测结果，其中，所述检测结果用于表征目标模型检测结果与所述人工标注结果是否一致。

7.一种训练数据检测模型的装置，其特征在于，包括：

获取模块，被配置为获取初始数据检测模型，其中，所述初始数据检测模型是通过初始标注数据集对基础数据检测模型进行训练得到的，所述初始标注数据集包括待标注数据和所述待标注数据对应的标签，所述待标注数据对应的标签是将所述待标注数据输入到所述基础数据检测模型后生成的；

结果模块，被配置为将样本数据集输入至所述初始数据检测模型，获取标注检测结果，其中，所述标注检测结果用于表征模型标注结果与人工标注结果是否一致，所述样本数据集包括样本数据和与所述样本数据对应的所述人工标注结果；

筛选模块，被配置为通过所述标注检测结果，从所述样本数据中筛选出目标样本数据，并对所述目标样本数据进行至少两人次标注获取标注结果；

训练模块，被配置为至少利用所述目标样本数据和所述标注结果，对所述初始数据检测模型进行训练，获取目标数据检测模型，其中，所述目标数据检测模型用于检测目标模型检测结果与人为标注结果是否一致。