[发明专利]一种语料预处理方法、语料预标注方法及电子设备有效
| 申请号： | 201811036054.8 | 申请日： | 2018-09-06 |
| 公开（公告）号： | CN109446300B | 公开（公告）日： | 2021-04-20 |
| 发明（设计）人： | 林志伟;肖龙源;蔡振华;李稀敏;刘晓葳;谭玉坤 | 申请（专利权）人： | 厦门快商通信息技术有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/35;G06F40/295 |
| 代理公司： | 厦门仕诚联合知识产权代理事务所(普通合伙) 35227 | 代理人： | 乐珠秀 |
| 地址： | 361007 福建省厦门*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言处理技术，提供了一种语料预处理的方法，所述方法包含步骤：分别对各语料进行向量化处理，获得所述语料的文本向量；基于所述语料的文本向量进行聚类，从所述语料中确定出专用语料；对所述专用语料进行命名实体识别，确定出所述专用语料中包含的命名实体；基于目标命名实体对所述专用语料进行分类；分别从各所述分类的所述专用语料中抽取第一预设数量的所述专用语料，作为所述预处理结果。基于本实施例所提供的方法，可通过对原始语料数据进行预处理，以剔除大量重复的目标语料，供后续人工标注或其他处理，从而可大幅度的减少重复的人工处理工作。 | ||
| 搜索关键词： | 一种 语料 预处理 方法 标注 电子设备 | ||
【主权项】：
1.一种语料预处理的方法，其特征在于，所述方法包含步骤：分别对各语料进行向量化处理，获得所述语料的文本向量；基于所述语料的文本向量进行聚类，从所述语料中确定出专用语料；对所述专用语料进行命名实体识别，确定出所述专用语料中包含的命名实体；基于目标命名实体对所述专用语料进行分类；分别从各所述分类的所述专用语料中抽取第一预设数量的所述专用语料，作为所述预处理结果。
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厦门快商通信息技术有限公司，未经厦门快商通信息技术有限公司许可，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/201811036054.8/，转载请声明来源钻瓜专利网。
