(19)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 202210122790.5 (22)申请日 2022.02.09 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 彭敏龙　孙明明　李平　 (74)专利代理 机构 北京市铸成律师事务所 11313 专利代理师 曹远　皇甫韵啸 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 一种标注样本选取方法、 装置、 电子设备和 存储介质 (57)摘要 本公开提供了一种标注样本选取方法、 装 置、 电子设备和存储介质， 涉及计算机技术领域， 具体为人工智能、 深度学习技术领域。 具体实现 方案为： 确定样本特征的第一属性和第二属性； 第一属性和第二属性分别是样本特征在源领域 样本集的特征属性和样本特征在目标领域样本 集的特征属性； 根据第一属性和第二属性， 在源 领域样本集的多个候选标注样本中确定目标标 注样本； 目标标注样本用于训练分类模型， 分类 模型包括用于对输入的待分类样本进行分析以 确定情感极性的模型。 权利要求书3页 说明书10页 附图5页 CN 114443849 A 2022.05.06 CN 114443849 A 1.一种标注样本 选取方法， 包括： 确定样本特征的第 一属性和第 二属性； 所述第 一属性和所述第 二属性分别是所述样本 特征在源领域样本集的特 征属性和所述样本特 征在目标 领域样本集的特 征属性； 根据所述第 一属性和所述第 二属性， 在所述源领域样本集的多个候选标注样本 中确定 目标标注样本； 所述 目标标注样本用于训练分类模型， 所述分类模型包括用于对输入的待 分类样本进行分析以确定情感极性的模型。 2.根据权利要求1所述的方法， 其中， 所述第一属性的确定方式包括： 确定所述样本特 征在所述源领域样本集中的第一频次值； 利用所述第一频次值确定所述样本特 征在所述源领域样本集中的重要性和情感极性； 将所述样本特 征在所述源领域样本集中的重要性和情感极性作为所述第一属性。 3.根据权利要求2所述的方法， 其中， 所述利用所述第 一频次值确定所述样本特征在源 领域样本集中的重要性， 包括： 利用所述第 一频次值和所述源领域样本集的样本数量， 确定所述样本特征的第 一卡方 值； 所述第一 卡方值为所述样本特 征在所述源领域样本集中的卡方值； 基于所述第一 卡方值确定所述样本特 征在所述源领域样本集中的重要性。 4.根据权利要求3所述的方法， 其中， 所述利用所述第 一频次值确定所述样本特征在源 领域样本集中的情感极性， 包括： 利用所述第 一频次值和所述源领域样本集的样本数量， 确定所述样本特征的情感极性 值； 利用所述情感极性 值确定所述样本特 征在源领域样本集中的情感极性。 5.根据权利要求1所述的方法， 其中， 所述第二属性的确定方式包括： 根据预设条件， 对所述目标领域样本集添加参考标签； 所述参考标签包括正向标签或 负向标签； 利用所述 参考标签确定所述样本特 征的第二属性。 6.根据权利要求5所述的方法， 其中， 所述利用所述参考标签确定所述样本特征的第 二 属性， 包括： 利用所述 参考标签确定所述样本特 征在所述目标 领域样本集中的第二频次值； 利用所述目标领域样本集的样本数量和所述第 二频次值， 确定所述样本特征在所述目 标领域样本集中的参 考重要性和参 考情感极性； 将所述参考重要性和所述 参考情感极性作为所述第二属性。 7.根据权利要求6所述的方法， 其中， 所述 参考重要性的确定方式， 包括： 利用所述第 二频次值和所述目标领域样本集的样本数量， 确定所述样本特征的第 二卡 方值和偏差估计值； 所述第二 卡方值为所述样本特 征在所述目标 领域样本集中的卡方值； 利用所述第 二卡方值和所述偏差估计值， 确定所述样本特征在所述目标领域样本集中 的参考重要性。 8.根据权利要求1所述的方法， 其中， 所述根据所述第一属性和所述第二属性， 在所述 源领域样本集中确定目标 标注样本， 包括： 根据所述第一属性和所述第二属性， 确定目标样本特 征； 利用所述目标样本特征， 在所述源领域样本集中进行数据筛选， 以确定所述目标标注权　利　要　求　书 1/3 页 2 CN 114443849 A 2样本。 9.根据权利要求8所述的方法， 其中， 所述根据所述第一属性和所述第二属性， 确定目 标样本特 征， 包括： 在所述源领域样本集中， 选取所述第 一属性中的重要性和所述第 二属性中的参考重要 性均满足预定条件的样本特 征， 作为候选样本特 征； 在所述候选样本特征中， 选取所述第 一属性中的情感极性和所述第 二属性中的参考情 感极性相同的样本特 征， 作为所述目标样本特 征。 10.一种标注样本 选取装置， 包括： 属性确定模块， 用于确定确定样本特征的第一属性和第二属性； 所述第一属性和所述 第二属性分别是所述样本特征在源领域样本集的特征属 性和所述样本特征在目标领域样 本集的特 征属性； 标注样本确定模块， 用于根据所述第一属性和所述第二属性， 在所述源领域样本集的 多个候选标注样本中确定目标标注样本； 所述 目标标注样本用于训练分类模型， 所述分类 模型包括用于对输入的待分类样本进行分析以确定情感极性的模型。 11.根据权利要求10所述的装置， 其中， 所述属性确定模块， 包括： 第一频次值确定子模块， 用于确定所述样本特征在所述源领域样本集中的第一频次 值； 第一属性确定子模块， 用于利用所述第 一频次值确定所述样本特征在所述源领域样本 集中的重要性和情感极性； 第一属性执行子模块， 用于将所述样本特征在所述源领域样本集中的重要性和情 感极 性作为所述第一属性。 12.根据权利要求1 1所述的装置， 其中， 所述第一属性确定 子模块， 包括： 第一卡方值确定子模块， 用于利用所述第一频次值和所述源领域样本集的样本数量， 确定所述样本特征的第一卡方值； 所述第一卡方值为所述样本特征在所述源领域样本集中 的卡方值； 重要性确定子模块， 用于基于所述第 一卡方值确定所述样本特征在所述源领域样本集 中的重要性。 13.根据权利要求12所述的装置， 其中， 所述第一属性确定 子模块， 包括： 情感极性值确定子模块， 用于利用所述第一频次值和所述源领域样本集的样本数量， 确定所述样本特 征的情感极性 值； 情感极性确定子模块， 用于利用所述情 感极性值确定所述样本特征在源领域样本集中 的情感极性。 14.根据权利要求10所述的装置， 其中， 所述属性确定模块， 包括： 参考标签确定子模块， 用于根据预设条件对所述目标领域样本集添加参考标签； 所述 参考标签包括 正向标签或负向标签； 第二属性确定 子模块， 用于利用所述 参考标签确定所述样本特 征的第二属性。 15.根据权利要求14所述的装置， 其中， 所述第二属性确定 子模块， 包括： 第二频次值确定子模块， 用于利用所述参考标签确定所述样本特征在所述目标领域样 本集中的第二频次值；权　利　要　求　书 2/3 页 3 CN 114443849 A 3