(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 202111507205.5 (22)申请日 2021.12.10 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 王明　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 陈梅君 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/33(2019.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 语料标签获取方法、 装置及计算机设备 (57)摘要 本申请实施例公开了一种语料标签获取方 法、 装置及计算机设备， 涉及人工智 能领域的机 器学习技术， 该方法包括： 获取待训练模 型的k个 样本标签及每个样本标签对应的初始 语料数据， 对各个初始语料数据进行编码， 得到k个样本标 签分别对应的标签语料向量； 获取候选语料数 据， 将候选语料数据编码成为候选语料向量； 获 取k个标签语料向量分别与候选语料向量之间的 向量相似度， 基于向量相似度对k个标签语料向 量进行整合， 得到候选语料数据对应的候选预测 结果向量； 基于候选预测结果向量确定候选语料 数据的候选语料标签， 将候选语料标签及候选语 料数据确定为待训练模型的训练样 本。 采用本申 请， 可以提高语料扩 充的准确性及效率。 权利要求书4页 说明书22页 附图9页 CN 114328915 A 2022.04.12 CN 114328915 A 1.一种语料 标签获取 方法， 其特 征在于， 所述方法包括： 获取待训练模型的k个样本标签， 及每个样本标签对应的初始语料数据， 对所述每个样 本标签对应的初始语料数据进行编码， 得到所述k个样本标签分别对应的标签语料向量； k 为正整数； 获取候选语料 数据， 将所述 候选语料 数据编码成为 候选语料向量； 获取k个标签语料向量分别与所述候选语料向量之间的向量相似度， 基于所述向量相 似度对所述 k个标签语料向量进行整合， 得到所述 候选语料 数据对应的候选预测结果向量； 基于所述候选预测结果向量确定所述候选语料数据的候选语料标签， 将所述候选语料 标签及所述 候选语料 数据确定为所述待训练模型的训练样本 。 2.如权利要求1所述的方法， 其特征在于， 所述每个样本标签对应的初始语料数据的数 量为至少两个； 所述对所述每个样本标签对应的初始语料数据进行编码， 得到所述k个样本标签分别 对应的标签 语料向量， 包括： 对第i个样本标签对应的至少两个初始语料数据分别进行编码， 得到所述第 i个样本标 签对应的至少两个初始语料 数据分别对应的初始语料向量； i 为小于或等于k的正整数； 对所述第 i个样本标签对应的至少两个初始语料向量进行向量融合， 得到所述第 i个样 本标签对应的标签 语料向量。 3.如权利要求1所述的方法， 其特征在于， 所述获取k个标签语料向量分别与所述候选 语料向量之间的向量相似度， 包括： 获取所述k个样本标签分别对应的标签向量； 对关联有相同样本标签的标签语料向量和标签向量进行融合， 得到每个样本标签分别 对应的优化语料向量； 获取k个优化语料向量分别与所述 候选语料向量之间的向量相似度。 4.如权利要求1所述的方法， 其特征在于， 所述候选预测结果向量包括k个候选预测类 别以及每 个候选预测类别分别对应的预测概 率； 所述基于所述候选预测结果向量确定所述候选语料数据的候选语料标签， 将所述候选 语料标签及所述 候选语料 数据确定为所述待训练模型的训练样本， 包括： 从所述k个候选预测类别中， 获取所述预测概率最大的候选预测类别， 将所述预测概率 最大的候选预测类别， 确定为所述 候选语料 数据的候选语料 标签； 获取语料选取阈值， 若所述候选语料标签对应的预测概率大于或等于所述语料选取阈 值， 则将所述 候选语料 标签及所述 候选语料 数据确定为所述待训练模型的训练样本 。 5.如权利要求1所述的方法， 其特 征在于， 所述 候选语料 数据的数量 为N个； N为正整数； 所述基于所述候选预测结果向量确定所述候选语料数据的候选语料标签， 将所述候选 语料标签及所述 候选语料 数据确定为所述待训练模型的训练样本， 包括： 基于N个候选语料数据分别对应的候选预测结果向量， 确定所述N个候选语料数据分别 对应的候选语料 标签； 基于所述待训练模型中所述每 个样本标签对应的初始语料 数据， 确定样本扩充数量； 若N小于或等于所述样本扩充数量， 则将所述N个候选语料数据与所述N个候选语料数 据分别对应的候选语料 标签， 确定为所述待训练模型的训练样本；权　利　要　求　书 1/4 页 2 CN 114328915 A 2若N大于所述样本扩充数量， 则基于所述N个候选语料数据分别对应的候选预测结果向 量， 确定所述N个候选语料数据分别对应的语料置信度， 基于所述语料置信度从所述N个候 选语料数据以及所述N个候选语料数据分别对应的候选语料标签中， 获取所述待训练模型 的训练样本 。 6.如权利要求1所述的方法， 其特征在于， 所述待训练模型的训练样本包括训练样本数 据及训练样本标签； 所述训练样本数据包括所述候选语料数据及所述每个样本标签对应的 初始语料 数据； 所述方法还 包括： 将所述训练样本数据输入所述待训练模型中进行预测， 得到所述训练样本数据对应的 样本预测结果； 根据所述样本预测结果与 所述训练样本标签生成第 一损失函数， 基于所述第 一损失函 数对所述待训练模型进行参数调整， 得到目标模型。 7.如权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 接收针对待解析数据的数据解析请求， 将所述待解析数据输入所述目标模型中进行预 测， 得到所述待解析 数据的第一 解析结果； 获取历史解析数据及所述历史解析数据对应的历史解析结果， 对所述待解析数据与 所 述历史解析 数据进行匹配， 得到所述待解析 数据与所述历史解析 数据之间的数据匹配度； 基于所述数据匹配度及所述历史解析 结果， 确定所述待解析 数据的第二 解析结果； 对所述第一解析结果及所述第 二解析结果进行整合， 得到所述待解析数据的目标解析 结果。 8.如权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 接收针对待解析数据的数据解析请求， 将所述待解析数据输入所述目标模型中进行预 测， 得到所述待解析 数据的第一 解析结果； 获取语料模板， 从所述语料模板中获取与所述待解析数据相匹配的目标语料模板， 将 所述目标语料模板所对应的模板解析 结果确定为所述待解析 数据的第三 解析结果； 对所述第一解析结果与所述第 三解析结果进行整合， 得到所述待解析数据的目标解析 结果。 9.如权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 接收针对待解析数据的数据解析请求， 将所述待解析数据输入所述目标模型中进行预 测， 得到所述待解析 数据的第一 解析结果； 在关键信息提取模型中提取所述待解析数据的待解析关键信 息， 对所述待解析关键信 息进行语义分析， 确定所述待解析 数据的第四解析 结果； 对所述第一解析结果与所述第四解析结果进行整合， 得到所述待解析数据的目标解析 结果。 10.如权利要求9所述的方法， 其特 征在于， 所述方法还 包括： 将所述训练样本数据输入初始关键信 息提取模型进行预测， 得到所述训练样本数据对 应的预测关键信息； 根据所述预测关键信息确定所述训练样本数据所对应的关键预测结果； 根据所述关键预测结果与 所述训练样本标签生成第 二损失函数， 基于所述第 二损失函 数对所述初始关键信息提取模型进行参数调整， 得到关键信息提取模型。权　利　要　求　书 2/4 页 3 CN 114328915 A 3