[发明专利]语料数据的处理方法、装置及电子设备

权利要求书

1.一种语料数据的处理方法，其特征在于，所述方法包括：

获得应用系统对应的系统数据库，所述应用系统能够针对查询请求在所述系统数据库中获取所述查询请求对应的语料；所述系统数据库中至少包含多个语料组，每个所述语料组分别对应于一个业务类型；每个所述语料组分别包含至少一条目标语料；

针对每个所述语料组，按照所述目标语料的语料命中率，对所述目标语料划分到第一语料集合和第二语料集合；所述第一语料集合中包含至少一条第一语料，所述第二语料集合中包含至少一条第二语料，所述第一语料的语料命中率大于所述第二语料的语料命中率；

使用第一语料组对应的第二语料集合中的语料，对第二语料组对应的第二语料集合中的语料进行添加或删除，所述第一语料组和所述第二语料组之间具有关联关系。

2.根据权利要求1所述的方法，其特征在于，所述第一语料组和所述第二语料组之间具有关联关系，包括：

所述第一语料组与所述第二语料组之间的语料组相似度大于所述第一语料组与所述多个语料组中其他语料组之间的语料组相似度；

且，所述第一语料组与所述第二语料组之间的语料组相似度大于所述第二语料组与所述多个语料组中其他语料组之间的语料组相似度。

3.根据权利要求2所述的方法，其特征在于，所述第一语料组与所述第二语料组之间的语料组相似度为：

第一集合相似度和第二集合相似度使用各自对应的权重进行加权求平均得到的整体相似度；

其中，所述第一集合相似度为所述第一语料组中的第一语料集合与所述第二语料组中的第一语料集合之间的相似度；所述第二集合相似度为所述第一语料组中的第二语料集合与所述第二语料组中的第二语料集合之间的相似度。

4.根据权利要求1或2所述的方法，其特征在于，使用第一语料组对应的第二语料集合中的语料，对第二语料组对应的第二语料集合中的语料进行添加，包括：

在第一语料组对应的第二语料集合所包含的第二语料中，获取语料命中率大于或等于第一阈值的第三语料；将所述第三语料添加到第二语料组对应的第二语料集合中。

5.根据权利要求1或2所述的方法，其特征在于，使用第一语料组对应的第二语料集合中的语料，对第二语料组对应的第二语料集合中的语料进行删除，包括：

在第二语料组对应的第二语料集合中，删除第四语料，所述第四语料为从所述第一语料组对应的第二语料集合中在语料命中率大于或等于第一阈值的情况下被添加到所述第二语料组中的语料，且所述第四语料在所述第一语料组对应的第二语料集合中的语料命中率从大于或等于所述第一阈值降低到小于所述第一阈值。

6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

在所述第一语料组对应的第二语料集合中，获取第一关联语料；

在所述第二语料组对应的第二语料集合中，获取第二关联语料；所述第二关联语料与所述第一关联语料来源于目标源文档，所述目标源文档中在所述系统数据库对应的多个源文档中所产生的目标语料的数量满足目标筛选条件；

将所述第一关联语料移动到所述第二语料组对应的第二语料集合中；

将所述第二关联语料移动到所述第一语料组对应的第二语料集合中。

7.根据权利要求1或2所述的方法，其特征在于，还包括：

获取至少一条新语料；

对所述新语料进行分词，以得到每条所述新语料的语料关键词；

获取所述语料关键词分别在所述新语料对应的语料组对应的第一语料集合和第二语料集合中的关键词重复度；

根据所述关键词重复度，将所述新语料添加到所述新语料对应的语料组对应的第一语料集合或第二语料集合。