[发明专利]语料标注方法、装置及设备

权利要求书

1.一种语料标注方法，其特征在于，包括：

对不同业务场景下文本数据进行断句处理，将断句处理后形成的文本语料保存至语料数据库；

以语义点为单位将预先设置的标准违规描述划分至不同违规类别，所述语义点为包含至少一个实体概念的单句或者复句，具体包括：以语义点为单位，从预先设置的标准违规描述中提取包含至少一个实体概念的单句或者复句；计算所述包含至少一个实体概念的单句或者复句映射在不同违规类别上的违规特征度；根据所述违规特征度，将所述包含至少一个实体概念的单句或者复句划分至不同违规类别，所述违规特征度用于反映违规特征在相应违规类别上的概率，所述违规类别涉及到针对实体概念的违规要求；

根据所述语义点包含的实体概念以及实体概念之间的逻辑关系，建立关键词语义规则，所述关键词语义规则为针对标准违规描述在不同违规类别上映射的违规表达式；

利用所述违规表达式从所述语料数据库中匹配出包含有不同违规类别的目标文本语料，并基于违规类别对所述目标文本语料进行标注。

2.根据权利要求1所述的方法，其特征在于，所述对不同业务场景下文本数据进行断句处理，具体包括：

按照文本数据中交互发起的时间顺序，将不同业务场景下的文本数据以句子为单位进行拆分，获取交互发起方对应的文本语料；

根据所述交互发起方对应的文本语料映射的文本长度，对所述文本语料进行拆分和/或合并处理。

3.根据权利要求2所述的方法，其特征在于，所述根据所述交互发起方对应的文本语料映射的文本长度，对所述文本语料进行拆分和/或合并处理，具体包括：

将所述交互发起方对应的文本语料映射的文本长度与预设文本长度范围进行比对；

针对所述文本长度大于预设文本长度范围中最大值的文本语料，对所述文本语料进行拆分处理；

针对所述文本长度小于预设文本长度范围中最小值的文本语料，对所述文本语料进行合并处理。

4.根据权利要求1所述的方法，其特征在于，所述计算所述包含至少一个实体概念的单句或者复句映射在不同违规类别上的违规特征度，具体包括：

针对所述包含至少一个实体概念的单句或者复句，提取实体概念以及实体概念之间的逻辑关系；

通过将所述实体概念以及所述实体概念之间的逻辑关系与不同违规类别上的违规特征进行匹配，计算所述包含至少一个实体概念的单句或者复句映射在不同违规类别上的违规特征度。

5.根据权利要求1所述的方法，其特征在于，所述根据所述语义点包含的实体概念以及实体概念之间的逻辑关系，建立关键词语义规则，具体包括：

根据所述语义点包含的实体概念以及实体概念之间的逻辑关系，确定关键词之间的逻辑运算条件；

按照所述关键词之间的逻辑运算条件，建立关键词语义规则。

6.根据权利要求1所述的方法，其特征在于，所述利用所述违规表达式从所述语料数据库中匹配出包含有不同违规类别的目标文本语料，具体包括：

利用关键词语义规则，将所述关键词语义规则中涉及的实体概念以及逻辑关系映射为语料查询表达式；

根据所述语料查询表达式，从所述语料数据库中匹配出包含有不同违规类别的目标文本语料。

7.根据权利要求1-6中任一项所述的方法，其特征在于，在所述以语义点为单位将预先设置的标准违规描述划分至不同违规类别之后，所述方法还包括：

针对每个违规类别，构建识别模型，所述识别模型用于基于输入的交互文本识别出违规文本；

将标注后的目标文本语料形成样本数据和测试数据，使用所述样本数据和测试数据对每个违规类别的识别模型进行训练。