[发明专利]基于标注文本的训练数据集生成方法、系统、设备和介质有效
| 申请号： | 202010622293.2 | 申请日： | 2020-06-30 |
| 公开（公告）号： | CN111859857B | 公开（公告）日： | 2021-08-27 |
| 发明（设计）人： | 张少典;顾根;刘霄晨 | 申请（专利权）人： | 上海森亿医疗科技有限公司 |
| 主分类号： | G06F40/117 | 分类号： | G06F40/117;G06F40/232;G06F40/279;G06F40/295 |
| 代理公司： | 上海光华专利事务所(普通合伙) 31219 | 代理人： | 李治东 |
| 地址： | 201213 上海市浦*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供了一种基于标注文本的训练数据集生成方法、系统、设备和介质，通过获取多个待标注文本，将各原始长文本拆解为多个拆句短文本并进行去重与清洗处理；处理后存入数据库以分别分配到唯一的数据库id；采用正向最大匹配分句算法在数据库中获取对应的匹配信息；对拆句短文本进行实体/关联标注以分别生成唯一的标注id，并依据各拆句短文本获取其对应的数据库id与标注id的映射关系；根据匹配信息、及映射信息，将拆句短文本拼接为包含实体/关联标注的标注长文本，以供作为训练集数据。本申请能大幅降低企业人工标注的成本，确保重复文本标注一致性，同时能够降低模型算法训练时语料不一致造成的干扰，提升了模型学习的准确率。 | ||
| 搜索关键词： | 基于 标注 文本 训练 数据 生成 方法 系统 设备 介质 | ||
【主权项】：
暂无信息
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上海森亿医疗科技有限公司，未经上海森亿医疗科技有限公司许可，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/202010622293.2/，转载请声明来源钻瓜专利网。
