(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 202210387642.6 (22)申请日 2022.04.13 (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 林泽南　赵岷　张国鑫　秦华鹏　 (74)专利代理 机构 北京易光知识产权代理有限 公司 11596 专利代理师 金爱静　武晨燕 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 16/2457(2019.01) G06F 16/22(2019.01) G06F 40/216(2020.01)G06F 40/30(2020.01) (54)发明名称 数据处理方法、 装置、 设备以及存 储介质 (57)摘要 本公开提供了一种数据处理方法、 装置、 设 备以及存储介质。 本公开涉及知识图谱、 自然语 言处理等人工智 能技术领域。 具体实现方案为： 将数据集合中的查询数据转换为模式； 根据查询 数据对应的模式， 获取第一模式； 根据第一模式 从查询数据中获取第一类数据。 在本公开实施例 中， 根据数据集合中查询数据对应的模式获取第 一模式， 能够根据第一模式灵活地从查询数据中 获取所需的数据。 权利要求书2页 说明书10页 附图7页 CN 114860872 A 2022.08.05 CN 114860872 A 1.一种数据处 理方法， 包括： 将数据集 合中的查询数据转换为模式； 根据所述 查询数据对应的模式， 获取第一模式； 根据所述第一模式从所述 查询数据中获取第一类数据。 2.根据权利要求1所述的方法， 其中， 所述查询数据对应的模式包括语义模式， 根据所 述查询数据对应的模式， 获取第一模式， 包括： 将频率大于或等于第一阈值的语义模式， 作为第一语义模式。 3.根据权利要求2所述的方法， 其中， 所述查询数据包括样本数据， 根据所述第一模式 从所述查询数据中获取第一类数据， 包括： 根据所述第一模式对应的筛 选数量， 从所述样本数据中筛 选得到第一类样本； 将所述第一类样本加入训练样本集 合中。 4.根据权利要求2或3所述的方法， 还 包括： 根据所述 查询数据对应的模式， 获取第二模式； 根据所述第二模式从所述 查询数据中获取第二类数据。 5.根据权利要求4所述的方法， 其中， 根据 所述查询数据对应的模式， 获取第 二模式， 包 括以下至少之一： 从所述频率小于或等于第 一阈值的语义模式中采样得到第 二语义模式， 所述第 二语义 模式的频率低于所述第一语义模式的频率； 从基于词片段组织的语义模式 中采样得到第二语义模式。 6.根据权利要求4或5所述的方法， 其中， 所述查询数据包括样本数据， 根据所述第二模 式从所述 查询数据中获取第二类数据， 包括： 根据所述第二模式， 从所述样本数据中筛 选得到第二类样本； 将所述第二类样本加入训练样本集 合中。 7.根据权利要求 4至6中任一项所述的方法， 还 包括： 根据所述第一模式和/或所述第二模式， 对训练样本集 合中的样本进行纠错。 8.根据权利要求7所述的方法， 其中， 根据 所述第一模式和/或所述第 二模式， 对训练样 本集合中的样本进行纠错， 包括： 根据所述第一模式和/或所述第二模式检查所述训练样本集合， 得到正确样本和待纠 错样本； 根据所述 正确样本修改所述待纠错样本中错 误信息。 9.根据权利要求2所述的方法， 所述查询数据包括知识数据， 所述第 一类数据包括知识 项目， 根据所述第一模式从所述 查询数据中获取第一类数据， 包括： 根据槽位和所述第一模式， 从所述知识数据中挖掘得到新的知识项目。 10.根据权利要求1至9中任一项所述的方法， 其中， 将数据集合中的查询数据转换为模 式， 包括： 将所述查询数据切分得到 至少一个词片段； 将切分得到的所述词片段 标注得到词类； 根据所述词片段的词类对应的上位词类， 将所述查询数据的词片段序列转化为上位词 类序列， 得到所述 查询数据对应的模式。权　利　要　求　书 1/2 页 2 CN 114860872 A 211.一种数据处 理装置， 包括： 转换模块， 用于将数据集 合中的查询数据转换为模式； 第一获取模块， 用于根据所述 查询数据对应的模式， 获取第一模式； 第二获取模块， 用于根据所述第一模式从所述 查询数据中获取第一类数据。 12.根据权利要求11所述的装置， 其中， 所述查询数据对应的模式包括语义模式， 所述 第一获取模块用于将频率大于或等于第一阈值的语义模式， 作为第一语义模式。 13.根据权利要求12所述的装置， 其中， 所述查询数据包括样本数据， 所述第二获取模 块用于根据所述第一模式对应的筛选数量， 从所述样本数据中筛选得到第一类样本； 将所 述第一类样本加入训练样本集 合中。 14.根据权利要求12或13所述的装置， 还 包括： 第三获取模块， 用于根据所述 查询数据对应的模式， 获取第二模式； 第四获取模块， 用于根据所述第二模式从所述 查询数据中获取第二类数据。 15.根据权利要求14所述的装置， 其中， 所述第三获取模块用于执 行以下至少之一： 从所述频率小于或等于第 一阈值的语义模式中采样得到第 二语义模式， 所述第 二语义 模式的频率低于所述第一语义模式的频率； 从基于词片段组织的语义模式 中采样得到第二语义模式。 16.根据权利要求14或15所述的装置， 其中， 所述查询数据包括样本数据， 所述第 四获 取模块用于根据所述第二模式， 从所述样本数据中筛选得到第二类样本； 将所述第二类样 本加入训练样本集 合中。 17.根据权利要求14至16中任一项所述的装置， 还 包括： 纠错模块， 用于根据 所述第一模式和/或所述第 二模式， 对训练样本集合中的样本进行 纠错。 18.根据权利要求17所述的装置， 其中， 所述纠 错模块用于根据所述第一模式和/或所 述第二模式检查所述训练样本集合， 得到正确样本和待纠错样本； 根据所述正确样本修改 所述待纠错样本中错 误信息。 19.根据权利要求12所述的装置， 所述查询数据包括知识数据， 所述第 一类数据包括知 识项目， 所述第二获取模块用于根据槽位和所述第一模式， 从所述知识数据中挖掘得到新 的知识项目。 20.根据权利要求11至19中任一项所述的装置， 其中， 所述转换模块用于将所述查询数 据切分得到至少一个词片段； 将切分得到的所述词片段标注得到词类； 根据所述词片段 的 词类对应的上位词类， 将所述查询数据的词片段序列转化为上位词类序列， 得到所述查询 数据对应的模式。 21.一种电子设备， 包括： 至少一个处理器； 以及与所述至少一个处理器通信连接的存 储器； 其中， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述指 令被所述至少 一个处理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑10中任一项所述的方法。 22.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执 行根据权利要求1 ‑10中任一项所述的方法。 23.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1 ‑10中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114860872 A 3