[发明专利]分词训练集的生成方法和装置有效
| 申请号： | 201510329109.4 | 申请日： | 2015-06-15 |
| 公开（公告）号： | CN104866472B | 公开（公告）日： | 2017-10-27 |
| 发明（设计）人： | 白洁;李秀林;肖朔 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙)11201 | 代理人： | 宋合成 |
| 地址： | 100085 北京市*** | 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： | 本发明提出一种分词训练集的生成方法和装置，该分词训练集的生成方法包括获取训练语料，并采用不同的分词器分别对相同的训练语料进行分词，得到对应不同分词器的分词结果；将所述分词结果划分为精确匹配的分词结果和非精确匹配的分词结果；根据所述分词结果，对所述非精确匹配的分词结果进行降噪处理，得到分词训练集。该方法能够降低分词训练集生成的时间和花费，实现成本降低及效果提高。 | ||
| 搜索关键词： | 分词 训练 生成 方法 装置 | ||
【主权项】：
一种分词训练集的生成方法，其特征在于，包括：获取训练语料，并采用不同的分词器分别对相同的训练语料进行分词，得到对应不同分词器的分词结果；将所述分词结果划分为精确匹配的分词结果和非精确匹配的分词结果；根据所述分词结果，对所述非精确匹配的分词结果进行降噪处理，得到分词训练集；所述非精确匹配的分词结果包括：粒度不同的分词结果和歧义错误的分词结果，所述根据所述分词结果，对所述非精确匹配的分词结果进行降噪处理，得到分词训练集，包括：在获取的训练语料中，删除歧义错误的分词结果对应的训练语料，得到保留的训练语料，并获取所述保留的训练语料对应的分词结果；在所述保留的训练语料对应的分词结果中，选择样本词条，并由所述样本词条组成样本训练集；在所述样本训练集内，对粒度不同的分词结果进行降噪处理，得到分词训练集；所述在所述样本训练集内，对粒度不同的分词结果进行降噪处理，得到分词训练集，包括：对所述样本训练集进行模型训练，生成多个特征函数，并获取每个特征函数的权重；计算每个特征函数的模型样本期望差，根据每个特征函数的权重和所述模型样本期望差，确定每个特征函数的加权期望差，并根据所述加权期望差对所述特征函数进行排序；根据排序后的特征函数，对粒度不同的分词结果进行修正。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（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/201510329109.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种喷绒机
- 下一篇：一种图像多分辨率压缩加密及分级解密与显示方法
