[发明专利]一种语料库生成方法、装置、设备和计算机存储介质有效
| 申请号： | 201710735803.5 | 申请日： | 2017-08-24 |
| 公开（公告）号： | CN110019827B | 公开（公告）日： | 2023-03-14 |
| 发明（设计）人： | 王丹丹;赵林;郎兵 | 申请（专利权）人： | 腾讯科技（北京）有限公司 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/35 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 张颖玲;王花丽 |
| 地址： | 100080 北京市海淀区海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种语料库生成方法，所述方法包括：从待处理信息库中确定第一媒体；其中，第一媒体为待处理信息库中评分大于第一阈值的媒体；基于第一媒体和所述第一媒体对应的文本，生成第一种子语料；采用预设算法对待处理信息库中的文本进行分类，并对得到的分类集合中的文本进行筛选，生成第二种子语料；所述第二种子语料中包括至少一个种子语料；基于所述第一种子语料和所述第二种子语料生成基准分类模型；基于所述第一种子语料和所述第二种子语料从所述待处理信息库中获取增量文本，并采用所述基准分类模型对所述增量文本进行筛选生成目标语料库。本发明实施例同时还公开了一种语料库生成装置、设备和计算机存储介质。 | ||
| 搜索关键词： | 一种 语料库 生成 方法 装置 设备 计算机 存储 介质 | ||
【主权项】：
1.一种语料库生成方法，其特征在于，所述方法包括：从待处理信息库中确定第一媒体；其中，所述第一媒体为所述待处理信息库中评分大于第一阈值的媒体；基于所述第一媒体和所述第一媒体对应的文本，生成第一种子语料；采用预设算法对所述待处理信息库中的文本进行分类，并对得到的分类集合中的文本进行筛选，生成第二种子语料；其中，所述第二种子语料中包括至少一个种子语料；基于所述第一种子语料和所述第二种子语料生成基准分类模型；基于所述第一种子语料和所述第二种子语料从所述待处理信息库中获取增量文本，并采用所述基准分类模型对所述增量文本进行筛选生成目标语料库。
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腾讯科技（北京）有限公司，未经腾讯科技（北京）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/201710735803.5/，转载请声明来源钻瓜专利网。
