米启超，赵红梅，林丽萍

(1. 河南城建学院电气与控制工程学院，河南 平顶 467036；2. 西安交通大学化工学院，山西 西安 710049)

1 引言

早期的数据标注工作中，所标注的数据通常由相关领域内的专家，或使用计算机进行标注。虽然可以保证标注质量，但往往效率低下，延误研究，同时成本较高[1-2]。众包模式下，大任务较为复杂，通过拆分成小任务的方式降低复杂度，依据互联网接口，网络用户得以使用，通过零散时间即可完成小任务，获取报酬。众包模式可以充分体现群众智慧，潜能巨大，具有较为重要的商业价值，利用群体智慧，解决社会资源冗余问题。

基于此原因，提出了众包标注方法，该方法通过较高的任务开放性，提高了标注速度，并降低了成本[3-5]。但该方法标注质量较低，需要依赖算法和函数来添加众表标注的标签，来改善标注数据的质量，需要确定标注中的任务函数，并建立相关模型。早期研究者采用EM算法，对标注者进行混淆矩阵计算，后续又采取了RY真值推断算法，并利用其中的敏感性参数来提高标注任务函数的准确度[6-8]。但该方法无法具体的体现出标注者的差异性，获取的标注函数可靠性不高。而考虑到标注者的特性和差异性问题，运用多通道卷积神经网络技术，可以对其进行深入的运算，具有较高的研究前景。

2 基于多通道卷积神经网络的非结构化数据标注方法设计

2.1 非结构化数据查询处理

在进行标注之前，需要对所需标注的数据进行确认查询处理，确定与被标注数据的关联数据，避免出现漏标或错标[9-10]。……