1.一种分布式异步主动标注方法，其特征在于，包括以下步骤：步骤S1、配置主动学习标注场景参数；所述主动学习标注场景包括m个用于模型训练的server和k个用于实例选择的worker；每个server都基于标记样本池L学习一个预测模型；每个worker独立维护一部分未标记样本集，所有未标记样本的集合定义为未标记样本池D；定义S为选定的待查询样本的集合；步骤S2、模型训练阶段；所述每个server训练的预测模型互相独立；学习阶段中所有server均进行更新；模型训练阶段结束时，所有server会检测标记样本池L；当标记样本池L接收到迭代更新后的新标记样本数据时，启动新一轮模型训练更新；步骤S3、实例选择阶段；所述每个worker独立维护部分未标记样本集，且worker直接相互独立运作；每个worker均从所有server更新的训练模型库中获取最新模型，并从自身维护的未标记样本数据中选择出最具成本效益的待查询样本；具体地，首先，每个worker从直接从所有server完成训练的模型{g 1 ,g 2 ,…,g m }中检索出当前时刻最新更新的训练模型g * ；然后worker直接采用主动样本选择算法持续地从自身维护的未标记数据池中选择最具成本效益的待查询样本如下：S j ＝S j (g * ,D j )其中S j 代表第j个worker所采用的主动样本选择算法，D j 代表第j个worker所维护的未标记样本集；输入当前时刻最新更新的训练模型g * 和第j个worker所维护的未标记样本集，获得第j个worker选取的最具成本效益的待查询样本；实际每一个worker按照自身需求，可采用不同的主动样本选择算法；最后，所有worker选出的待查询样本汇总成集合S，由所有worker共享；步骤S4、标签查询阶段；标注者从待查询样本集S中随机挑选未标记样本，将挑选出的样本进行标注后，添加到标记样本集L中。
2.根据权利要求1所述的一种分布式异步主动标注方法，其特征在于，所述步骤S1中，标记样本池L具体如下表示：L代表了n l 个标记样本的集合；未标记样本池D具体如下表示：D＝D 1 ∪D 2 ∪…∪D kD代表了k个已划分的未标记样本集合，分别由k个worker进行维护。
3.根据权利要求2所述的一种分布式异步主动标注方法，其特征在于，所述标记样本池D中各个未标记样本集合通过随机挑选或者聚类的方式进行划分。
4.根据权利要求1所述的一种分布式异步主动标注方法，其特征在于，在标记样本池L、待查询样本集S、server和worker之间设置有若干资源管理节点，用于协调各样本集与server和worker之间的信息传输；在各server组成的server组中设置若干server管理节点，用于对所有server更新的模型库进行维护，便于worker端及时获取最新更新的模型。
5.根据权利要求1所述的一种分布式异步主动标注方法，其特征在于，所述步骤S2中server的模型训练方式具体如下：g i ＝A(L)其中，A表示server上学习预测模型时所使用的具体算法，g i 为训练后的模型；不同server对预测模型的学习算法A相互独立；在更新server时，通过采用Multi-Server更新机制更新模型。
