[发明专利]一种领域语料库构建方法及系统在审
| 申请号： | 202011473992.1 | 申请日： | 2020-12-14 |
| 公开（公告）号： | CN112507060A | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 倪时龙;张怀刚;罗建新;陈颖华;郑敏;钱新红 | 申请（专利权）人： | 福建正孚软件有限公司 |
| 主分类号： | G06F16/31 | 分类号： | G06F16/31;G06F16/35;G06N7/00;G06N20/00;G06N20/10 |
| 代理公司： | 福州市景弘专利代理事务所(普通合伙) 35219 | 代理人： | 徐剑兵;林祥翔 |
| 地址： | 350001 福建省福州市鼓楼*** | 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： | |||
| 搜索关键词： | 一种 领域 语料库 构建 方法 系统 | ||
1.一种领域语料库构建方法，其特征在于，包括如下步骤：
术语发现步骤：在自然语料库中提取与领域相关的术语；
概念发现步骤：从与领域相关的公文、单据和报告中，提取与领域有关的术语；
短语发现步骤：从预设的大规模文档中采用监督机器学习算法或半监督机器学习算法获取可以表达概念的短语集合；
概念归类步骤：对短语集合的短语进行归类，将归类后的短语和提取后的术语作为语料库的语料存到数据库中。
2.根据权利要求1所述的一种领域语料库构建方法，其特征在于：所述概念归类步骤还包括：根据预设的基于概念归类规则的正则表达式，对短语进行归类。
3.根据权利要求1所述的一种领域语料库构建方法，其特征在于：所述语料包括短语和每个短语对应的类别。
4.根据权利要求1所述的一种领域语料库构建方法，其特征在于，还包括步骤：读取数据库中的语料，对获取到的文档进行语料匹配，根据匹配到的语料所属的文档领域，对文档进行分类。
5.根据权利要求1所述的一种领域语料库构建方法，其特征在于：所述监督机器学习算法为支持向量机算法或者朴素贝叶斯算法。
6.根据权利要求1所述的一种领域语料库构建方法，其特征在于：所述半监督机器学习算法为流型学习算法或者协同训练算法。
7.一种领域语料库构建系统，其特征在于：包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1到6任意一项所述方法的步骤。
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福建正孚软件有限公司，未经福建正孚软件有限公司许可，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/202011473992.1/1.html，转载请声明来源钻瓜专利网。
