(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 202211192267.6 (22)申请日 2022.09.28 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 罗奕康　张士存　戴菀庭　王伊妍　 聂砂　郑江　 (74)专利代理 机构 北京东方亿 思知识产权代理 有限责任公司 1 1258 专利代理师 赵秀芹 (51)Int.Cl. G06F 40/169(2020.01) G06F 40/106(2020.01) G06F 40/154(2020.01) G06N 20/00(2019.01) (54)发明名称 一种数据标注方法、 装置、 设备、 介质及产品 (57)摘要 本申请公开了一种数据标注方法、 装置、 设 备、 介质及产品。 该数据标注方法包括获取第一 富文本文档数据； 将其按照富文本的结构元素进 行拆分， 得到多个与多个数据元素一一对应的数 据片段； 然后显示得到的数据片段， 响应于用户 对所述数据片段中的待 标注数据的标注操作， 生 成待标注数据的标签。 根据本申请实施例， 可 以 实现模型训练的快速收敛， 提高模型训练的效 率。 权利要求书2页 说明书10页 附图4页 CN 115422892 A 2022.12.02 CN 115422892 A 1.一种数据标注方法， 其特 征在于， 包括： 获取第一 富文本文档数据； 将所述第一富文本文档数据按照 富文本的结构元素进行拆分， 得到多个与多个数据 元 素一一对应的数据片段； 显示所述数据片段； 响应于用户对所述数据片段中的待标注数据的标注操作， 生成所述待标注数据的标 签。 2.根据权利要求1所述的方法， 其特征在于， 所述得到多个与多个数据 元素一一对应的 数据片段之后， 所述方法还 包括： 分别记录每个所述数据片段的数据片段标识以及结构元素信息以及对应所述富文本 文档数据的样式， 所述数据片段标识根据所述数据片段在所述第一富文本文档数据的顺序 确定； 在每个所述数据片段中确定多个分句包 含的标点符号； 对所述数据片段按照标点符号进行分句处理， 并记录每一个句子的句子标识， 所述句 子标识根据所述数据片段中的顺序确定； 记录与所述待标注数据对应的标注数据， 所述标注数据包括： 所述待标注数据所在的 数据片段 标识、 所述结构元 素、 所述富文本文档数据的样式以及所述句子标识。 3.根据权利要求2所述的方法， 其特 征在于， 还 包括： 基于每个所述数据片段的数据片段标识、 结构元素信息、 富文本文档的数据样式以及 句子标识， 将所述第一 富文本文档数据构建为可缩放矢量图形SVG的幕布； 将所述SVG的幕布转 化为SVG的文字； 根据SVG的文字， 用户对所述SVG的每一行文字中的待标注数据的标注操作， 确定所述 待标注数据的开始字位置和结束字位置； 所述标注数据还 包括所述待标注数据的开始字位置和结束字位置 。 4.根据权利要求2所述的方法， 其特征在于， 所述对所述数据片段按照标点符号进行分 句处理之后， 所述方法还 包括： 根据所述数据片段中包括的句子数量， 标注所述数据片段的片段属性； 在第一数据片段中仅包括一句话的情况下， 将所述第 一数据片段的属性记录为第 一预 设属性； 在第一数据片段中包括至少两句话的情况下， 将所述第 一数据片段的属性记录为第 二 预设属性。 5.根据权利要求1所述的方法， 其特 征在于， 还 包括： 将每个所述数据片段及其对应的标注数据作为序列中的元素， 构建包括多个元素的序 列； 根据所述序列对 模型进行训练， 得到用于提取富文本文档数据中元 素的目标模型。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述得到用于提取富文本文档数 据中元素的目标模型之后， 所述方法还 包括： 获取第二 富文本文档数据； 将所述第二富文本文档数据按照 富文本的结构元素进行拆分， 得到多个与多个数据 元权　利　要　求　书 1/2 页 2 CN 115422892 A 2素一一对应的第二数据片段； 针对每个所述第二数据片段， 分别执 行以下操作： 将第二数据片段输入至所述目标模型， 通过所述目标模型抽取出所述第 二数据片段包 含的元素信息， 并抽取出所述第二数据片段的文字中包含所述元素信息的目标位置所在的 位置信息； 输出所述元素信息以及所述 位置信息 。 7.一种数据标注装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取第一 富文本文档数据； 拆分模块， 用于将所述第一富文本文档数据按照富文本的结构元素进行拆分， 得到多 个与多个数据元 素一一对应的数据片段； 显示模块， 用于 显示所述数据片段； 生成模块， 用于响应于用户对所述数据片段中的待标注数据的标注操作， 生成所述待 标注数据的标签。 8.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括： 第一记录模块， 用于在得到多个与多个数据元素一一对应的数据片段之后， 分别记录 每个所述数据片段 的数据片段标识以及结构元素信息以及对应所述富文本文档数据的样 式， 所述数据片段 标识根据所述数据片段在所述第一 富文本文档数据的顺序确定； 确定模块， 用于在每 个所述数据片段中确定多个分句包 含的标点符号； 分句处理模块， 用于对所述数据片段按照标点符号进行分句处理， 并记录每一个句子 的句子标识， 所述句子标识根据所述数据片段中的顺序确定； 第二记录模块， 用于记录与所述待标注数据对应的标注数据， 所述标注数据包括： 所述 待标注数据所在的数据片段标识、 所述结构元素、 所述富文本文档数据的样式以及所述句 子标识。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 处理器以及存 储有计算机程序指令的存 储器； 所述处理器执行所述计算机程序指令时实现如权利要求1 ‑6任意一项所述的数据标注 方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序指令， 所述计算机程序指令被处理器执行时实现如权利要求1 ‑6任意一项所述的数据 标注方法的步骤。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品中的指令由电子设备的处 理器执行时， 使得所述电子设备能够执行如权利要求1 ‑6任意一项所述的数据标注方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115422892 A 3