[发明专利]基于伪数据改进分词器以处理自然语言有效
申请号: | 201680008451.7 | 申请日: | 2016-02-01 |
公开(公告)号: | CN108124477B | 公开(公告)日: | 2021-06-15 |
发明(设计)人: | 赵兵;E·张 | 申请(专利权)人: | 微软技术许可有限责任公司 |
主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/58 |
代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 王英 |
地址: | 美国华*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 提供了用于训练分词器(词语分割器)的技术。在一种技术中,分词器切分标记串以识别单独标记或词语。语言模型基于识别的标记或词语而生成。关于诸如个人或公司的实体的词汇表被识别。词汇表可以是涉及实体的在线数据,例如新闻文章或社交网络的成员的简档页面。词汇表中的一些标记可以具有高于其它标记的权重。语言模型接受加权的词汇表作为输入并生成伪句子。替代地,正规表达式被用来生成伪句子。伪句子被用来训练分词器。 | ||
搜索关键词: | 基于 数据 改进 分词 处理 自然语言 | ||
【主权项】:
一种方法,所述方法包括:从由在线社交网络服务维持的简档识别多个正确名称;将所述多个正确名称输入到语言模型中;通过所述语言模型基于所述多个正确名称生成多个句子;基于所述多个句子,对被配置成识别标记串内的标记的分词器进行训练;其中所述方法通过一个或多个计算设备执行。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于微软技术许可有限责任公司,未经微软技术许可有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201680008451.7/,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置