[发明专利]一种维-汉文可比语料自动获取方法

权利要求书

1.一种维-汉文可比语料自动获取方法，其特征在于，包括如下步骤：

获取多个维-汉文可比语料，采用Adaboost方法对BP神经网络进行离线训练，得到一个分类器；

通过分类器完成待检测文本内维-汉文可比语料的获取。

2.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，所述分类器通过以下步骤获取：

S1、通过BP算法对所获取的多个维-汉文可比语料进行一次训练，生成学习器；

S2、采用Adaboost方法对所得学习器进行3次迭代，分别得到弱学习器l₁(x)、l₂(x)、l₃(x)，然后进行加权输出一个用于维-汉文可比语料预测的分类器。

3.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，所述多个维-汉文可比语料为人工获取所得。

4.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，所述Adaboost方法具体包括如下步骤：

(1)给定一个训练算法和训练集；

(2)初始化训练集中各个训练样本的分布，将初始时的样本分布设为均匀分布；

(3)根据训练样本的概率分布采集训练样本，得到一个弱学习器l_t(x)，其中，t为当前迭代次数；

(4)计算在当前得到的学习器下各训练样本的误差以及误差的平均值；

(5)计算当前学习器的权重；；

(6)调整下次迭代时的样本分布，对样本分布进行归一化处理，确保各样本的采样概率和为1；

(7)重复步骤(3)-(6)，直至迭代次数为T为止；

(8)将T个弱学习器的权重归一化之后加权结合，得到最终的分类器。

5.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，包括如下步骤：

获取多个维-汉文可比语料，对所述多个维-汉文可比语料进行关键字的提取，通过BP算法对所获取的关键字进行一次训练，生成学习器；

采用Adaboost方法对所得学习器进行3次迭代，分别得到弱学习器l₁(x)、l₂(x)、l₃(x)，然后进行加权输出一个用于维-汉文可比语料预测的分类器；

通过分类器完成待检测文本内维-汉文可比语料的获取。

6.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，所述关键字为人工标注所得。

7.如权利要求1所述的一种维-汉文可比语料自动获取方法，其特征在于，所述多个维-汉文可比语料通过数据挖掘模块获取，该数据挖掘模块连接有一挖掘算法编辑模块，用于进行各种维-汉文可比语料挖掘算法的编辑，从而实现多种维-汉文可比语料的获取。