[发明专利]基于最大信息三元组筛选网络的数据主动标注方法和系统

摘要

本发明涉及数据标注领域，具体涉及基于最大信息三元组筛选网络的数据主动标注方法和系统，目的在于缩减人工标注工作量，同时确保标注准确度。本发明根据样本的深度特征选取最具标注价值的未标注样本进行人工标注，并且构建最大信息三元组损失函数；逐步更新数据结构和网络参数，进而更新筛选网络模型。直到，未标注数据与已标注数据的类内最大差异均小于预设的第二阈值且类间最小差异均大于预设的第一阈值时，停止更新筛选网络模型。剩余的数据可利用最后更新的筛选网络模型由计算机完成标注。通过这种方法，在缩减人工标注工作量的同时确保了标注的准确度。

主权项

1.一种基于最大信息三元组筛选网络的数据主动标注方法，其特征在于，包括以下步骤：步骤S10，根据样本的深度特征，利用深度筛选网络模型结合主动学习筛选最具标注价值的未标注样本进行人工标注，生成人工标注后的数据；步骤S20，根据所述人工标注后的数据，更新训练数据集，构建最大信息三元组损失函数，并基于更新后的训练数据集和所述最大信息三元组损失函数训练并更新所述深度筛选网络模型；步骤S30，当更新后的训练数据集中，未标注数据与已标注数据的类内最大差异均小于预设的第二阈值且类间最小差异均大于预设的第一阈值时执行步骤S40，否则基于步骤S20中更新后的所述深度筛选网络模型重复步骤S10、步骤S20；步骤S40，采用所述深度筛选网络模型，对剩余的未标注样本进行标注；其中，所述最具标注价值的未标注样本，包括：类间最具不确定性的未标注样本，以及类内最具差异性的未标注样本；筛选所述最具标注价值的未标注样本的方法为：将每个类别中已标注样本与其他不同类别的未标注样本分别比较，选择各不同类别中深度特征差异最小的未标注样本，作为所述类间最具不确定性的未标注样本；将每个类别中已标注样本与该类别中的未标注样本比较，选择深度特征差异最大的未标注样本，作为所述类内最具差异性的未标注样本；所述最大信息三元组损失函数为： L ( θ ; L ) = Σ i = 1 C Σ k = 1 Q [ γ + max s = 1... Q D ( f w ( x k i ) , f w ( x s i ) ) - min n = 1... Q D ( f w ( x k i ) , f w ( x n j ) ) ] + λ 2 | | w | | 2 2 ]]>其中，γ为间隔因子，表示限定类间最具不确定性和类内最具差异性样本之间结构关系的一个阈值；为正则化项，λ为正则化参数；表示类别i中已标注样本的深度特征；表