[发明专利]一种大规模高效获取识别对话意图用语料的方法在审
| 申请号： | 201911264412.5 | 申请日： | 2019-12-11 |
| 公开（公告）号： | CN111078893A | 公开（公告）日： | 2020-04-28 |
| 发明（设计）人： | 简仁贤;王海波 | 申请（专利权）人： | 竹间智能科技（上海）有限公司 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/951;G06F16/953 |
| 代理公司： | 北京挺立专利事务所(普通合伙) 11265 | 代理人： | 王静思 |
| 地址： | 200233 上海市徐*** | 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： | |||
| 搜索关键词： | 一种 大规模 高效 获取 识别 对话 意图 用语 方法 | ||
1.一种大规模高效获取识别对话意图用语料的方法，其特征在于：包括以下步骤：
步骤一、根据对话意图从预置数据库中调取对应于该对话意图的一个或多个种子语料；
步骤二、取一个种子语料输入搜索引擎进行搜索，获取搜索结果；然后进入步骤三；
步骤三、对获取到的搜索结果，逐条进行标题抽取操作，将抽取到的标题作为待选语料，获得待选语料集合。
2.按照权利要求1所述的一种大规模高效获取识别对话意图用语料的方法，其特征在于：还包括步骤四、取一条种子语料，对待选语料集合中的每个待选语料均与该种子语料计算相似度，并按相似度由大到小的顺序对待选语料集合中的所有待选语料进行排序；获得排序后的待选语料集合。
3.按照权利要求1所述的一种大规模高效获取识别对话意图用语料的方法，其特征在于：还包括步骤四、取一条种子语料，对待选语料集合中的每个待选语料均与该种子语料计算相似度，若相似度S＜Q，Q为预设阈值，则将对应的待选语料从待选语料集合剔除。
4.按照权利要求3所述的一种大规模高效获取识别对话意图用语料的方法，其特征在于：还包括步骤五、对步骤四完成后的待选语料集合中的所有待选语料按相似度由大到小的顺序排序，获得排序后的待选语料集合。
5.按照权利要求2、3或4所述的一种大规模高效获取识别对话意图用语料的方法，其特征在于：步骤四中计算相似度时，采用计算待选语料词向量和种子语料词向量的余弦距离来计算相似度。
6.按照权利要求1所述的一种大规模高效获取识别对话意图用语料的方法，其特征在于：所述步骤三中进行标题抽取操作时，采用web抓取框架Scrapy。
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竹间智能科技（上海）有限公司，未经竹间智能科技（上海）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/pat/books/201911264412.5/1.html，转载请声明来源钻瓜专利网。
