本申請涉及人工智能，尤其涉及一種多角色模型自動標(biāo)注方法、裝置、終端及介質(zhì)。

背景技術(shù)：

1、近年來，chatgpt等大型語言模型技術(shù)逐漸成熟，得益于大模型出色的自然語言生成能力，被用于各種領(lǐng)域任務(wù)當(dāng)中，如金融、法律等領(lǐng)域的數(shù)據(jù)生成任務(wù)中，同時(shí)利用大模型對數(shù)據(jù)進(jìn)行自動標(biāo)注，有助于減少的人工和經(jīng)濟(jì)成本。但是在實(shí)際應(yīng)用場景中，面對具體特定領(lǐng)域，如教育領(lǐng)域時(shí)，模型標(biāo)注的標(biāo)簽與標(biāo)準(zhǔn)的標(biāo)注標(biāo)簽存在較大的差異，自動標(biāo)注準(zhǔn)確率低。

技術(shù)實(shí)現(xiàn)思路

1、本申請?zhí)峁┝艘环N多角色模型自動標(biāo)注方法、裝置、終端及介質(zhì)，用于解決現(xiàn)有的大模型數(shù)據(jù)自動標(biāo)注技術(shù)標(biāo)注準(zhǔn)確率低的技術(shù)問題。

2、為解決上述技術(shù)問題，本申請第一方面提供了一種多角色模型自動標(biāo)注方法，包括：

3、獲取標(biāo)注樣本數(shù)據(jù)，按照所述標(biāo)注樣本數(shù)據(jù)的標(biāo)注角色屬性，對所述標(biāo)注樣本數(shù)據(jù)進(jìn)行分類；

4、按照不同的標(biāo)注角色屬性，利用已分類的標(biāo)注樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練，分別得到各個(gè)標(biāo)注角色屬性對應(yīng)的角色標(biāo)注子模型；

5、根據(jù)各個(gè)角色標(biāo)注子模型輸出的預(yù)測子標(biāo)簽概率分布，結(jié)合各個(gè)角色標(biāo)注子模型對應(yīng)的權(quán)重參數(shù)，將各個(gè)預(yù)測子標(biāo)簽進(jìn)行整合，得到軟標(biāo)簽；

6、根據(jù)損失函數(shù)，對各個(gè)角色標(biāo)注子模型進(jìn)行權(quán)重優(yōu)化，當(dāng)滿足預(yù)設(shè)的優(yōu)化條件，則通過所述各個(gè)角色標(biāo)注子模型整合得到多角色聯(lián)合標(biāo)注模型；

7、獲取待標(biāo)注數(shù)據(jù)，將所述待標(biāo)注數(shù)據(jù)輸入到所述多角色聯(lián)合標(biāo)注模型，以通過所述多角色聯(lián)合標(biāo)注模型輸出對應(yīng)的多角色模型標(biāo)注數(shù)據(jù)。

8、優(yōu)選地，所述損失函數(shù)具體為：

9、

10、式中，為總損失值，為角色標(biāo)注子模型k輸出的預(yù)測子標(biāo)簽與標(biāo)準(zhǔn)子標(biāo)簽的角色標(biāo)注損失，為所述軟標(biāo)簽與各個(gè)預(yù)測子標(biāo)簽間的綜合標(biāo)注損失，為標(biāo)準(zhǔn)子標(biāo)簽，為第i個(gè)樣本經(jīng)過第k個(gè)角色標(biāo)注子模型輸出預(yù)測子標(biāo)簽的后驗(yàn)概率，為第i個(gè)樣本對應(yīng)的軟標(biāo)簽，為第i個(gè)樣本在第k個(gè)角色標(biāo)注子模型上的權(quán)重，n為標(biāo)注樣本數(shù)據(jù)的數(shù)量，m為標(biāo)準(zhǔn)子標(biāo)簽的數(shù)量，k為標(biāo)注角色種類的數(shù)量，為用于角色標(biāo)注損失和綜合標(biāo)注損失的超參數(shù)。

11、優(yōu)選地，所述軟標(biāo)簽的計(jì)算式具體為：

12、

13、式中，為第i個(gè)樣本對應(yīng)的軟標(biāo)簽，為第i個(gè)樣本經(jīng)過第k個(gè)角色標(biāo)注子模型輸出預(yù)測子標(biāo)簽的概率分布，為第i個(gè)樣本在第k個(gè)角色標(biāo)注子模型上的權(quán)重。

14、優(yōu)選地，所述多角色模型標(biāo)注數(shù)據(jù)的計(jì)算式具體為：

15、

16、式中，為第i個(gè)待標(biāo)注數(shù)據(jù)的多角色模型標(biāo)注數(shù)據(jù)，為第i個(gè)樣本經(jīng)過第k個(gè)角色標(biāo)注子模型輸出預(yù)測子標(biāo)簽的概率分布，為第i個(gè)樣本在第k個(gè)角色標(biāo)注子模型上的權(quán)重。

17、優(yōu)選地，所述各個(gè)角色標(biāo)注子模型對應(yīng)的權(quán)重參數(shù)的生成方式包括：

18、根據(jù)各個(gè)角色標(biāo)注子模型輸出的預(yù)測子標(biāo)簽概率分布，以所述預(yù)測子標(biāo)簽概率分布作為預(yù)設(shè)的權(quán)重預(yù)測網(wǎng)絡(luò)模型的輸入特征，輸出角色標(biāo)注子模型的權(quán)重參數(shù)。

19、優(yōu)選地，所述權(quán)重預(yù)測網(wǎng)絡(luò)模型具體為mlp網(wǎng)絡(luò)模型。

20、同時(shí)，本申請第二方面提供了一種多角色模型自動標(biāo)注裝置，包括：

21、標(biāo)注樣本獲取單元，用于獲取標(biāo)注樣本數(shù)據(jù)，按照所述標(biāo)注樣本數(shù)據(jù)的標(biāo)注角色屬性，對所述標(biāo)注樣本數(shù)據(jù)進(jìn)行分類；

22、角色模型構(gòu)建單元，用于按照不同的標(biāo)注角色屬性，利用已分類的標(biāo)注樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練，分別得到各個(gè)標(biāo)注角色屬性對應(yīng)的角色標(biāo)注子模型；

23、角色綜合預(yù)測單元，用于根據(jù)各個(gè)角色標(biāo)注子模型輸出的預(yù)測子標(biāo)簽概率分布，結(jié)合各個(gè)角色標(biāo)注子模型對應(yīng)的權(quán)重參數(shù)，將各個(gè)預(yù)測子標(biāo)簽進(jìn)行整合，得到軟標(biāo)簽；

24、多角色模型優(yōu)化單元，用于根據(jù)損失函數(shù)，對各個(gè)角色標(biāo)注子模型進(jìn)行權(quán)重優(yōu)化，當(dāng)滿足預(yù)設(shè)的優(yōu)化條件，則通過所述各個(gè)角色標(biāo)注子模型整合得到多角色聯(lián)合標(biāo)注模型；

25、多角色模型自動標(biāo)注單元，用于獲取待標(biāo)注數(shù)據(jù)，將所述待標(biāo)注數(shù)據(jù)輸入到所述多角色聯(lián)合標(biāo)注模型，以通過所述多角色聯(lián)合標(biāo)注模型輸出對應(yīng)的多角色模型標(biāo)注數(shù)據(jù)。

26、優(yōu)選地，還包括：

27、權(quán)重參數(shù)生成單元，用于根據(jù)各個(gè)角色標(biāo)注子模型輸出的預(yù)測子標(biāo)簽概率分布，以所述預(yù)測子標(biāo)簽概率分布作為預(yù)設(shè)的權(quán)重預(yù)測網(wǎng)絡(luò)模型的輸入特征，輸出角色標(biāo)注子模型的權(quán)重參數(shù)。

28、本申請第三方面提供了一種多角色模型自動標(biāo)注終端，包括：存儲器和處理器；

29、所述存儲器用于存儲程序代碼，所述程序代碼與如本申請第一方面提供的一種多角色模型自動標(biāo)注方法相對應(yīng)；

30、所述處理器用于讀取并執(zhí)行所述程序代碼。

31、本申請第四方面提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)中保存有程序代碼，所述程序代碼用于被處理器讀取并執(zhí)行，以實(shí)現(xiàn)如本申請第一方面提供的一種多角色模型自動標(biāo)注方法。

32、從以上技術(shù)方案可以看出，本申請具有以下優(yōu)點(diǎn)：

33、本申請?zhí)峁┑募夹g(shù)方案通過引入多角色視角的標(biāo)注方式，按照特定領(lǐng)域場景的角色分類和知識架構(gòu)，構(gòu)建多個(gè)不同角色屬性的標(biāo)注子模型模型，使其能夠從不同的視角對數(shù)據(jù)進(jìn)行標(biāo)注，通過綜合多個(gè)角色模型的標(biāo)注結(jié)果，最大限度地減少模型標(biāo)注與人類標(biāo)注之間的偏差，且能夠有效解決現(xiàn)有技術(shù)中單一視角導(dǎo)致的標(biāo)注片面性問題，使標(biāo)注結(jié)果更加全面和準(zhǔn)確。

技術(shù)特征：

1.一種多角色模型自動標(biāo)注方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種多角色模型自動標(biāo)注方法，其特征在于，所述損失函數(shù)具體為：

3.根據(jù)權(quán)利要求1所述的一種多角色模型自動標(biāo)注方法，其特征在于，所述軟標(biāo)簽的計(jì)算式具體為：

4.根據(jù)權(quán)利要求1所述的一種多角色模型自動標(biāo)注方法，其特征在于，所述多角色模型標(biāo)注數(shù)據(jù)的計(jì)算式具體為：

5.根據(jù)權(quán)利要求1所述的一種多角色模型自動標(biāo)注方法，其特征在于，所述各個(gè)角色標(biāo)注子模型對應(yīng)的權(quán)重參數(shù)的生成方式包括：

6.根據(jù)權(quán)利要求5所述的一種多角色模型自動標(biāo)注方法，其特征在于，所述權(quán)重預(yù)測網(wǎng)絡(luò)模型具體為mlp網(wǎng)絡(luò)模型。

7.一種多角色模型自動標(biāo)注裝置，其特征在于，包括：

8.根據(jù)權(quán)利要求7所述的一種多角色模型自動標(biāo)注裝置，其特征在于，還包括：

9.一種多角色模型自動標(biāo)注終端，其特征在于，包括：存儲器和處理器；

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲介質(zhì)中保存有程序代碼，所述程序代碼用于被處理器讀取并執(zhí)行，以實(shí)現(xiàn)如權(quán)利要求1至6任意一項(xiàng)所述的一種多角色模型自動標(biāo)注方法。

技術(shù)總結(jié)
本申請公開了一種多角色模型自動標(biāo)注方法、裝置、終端及介質(zhì)，本申請?zhí)峁┑募夹g(shù)方案通過引入多角色視角的標(biāo)注方式，按照特定領(lǐng)域場景的角色分類和知識架構(gòu)，構(gòu)建多個(gè)不同角色屬性的標(biāo)注子模型模型，使其能夠從不同的視角對數(shù)據(jù)進(jìn)行標(biāo)注，通過綜合多個(gè)角色模型的標(biāo)注結(jié)果，最大限度地減少模型標(biāo)注與人類標(biāo)注之間的偏差，且能夠有效解決現(xiàn)有技術(shù)中單一視角導(dǎo)致的標(biāo)注片面性問題，使標(biāo)注結(jié)果更加全面和準(zhǔn)確。

技術(shù)研發(fā)人員：王焱林,伍嘉棟,黃炎賢
受保護(hù)的技術(shù)使用者：中山大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6