[发明专利]一种基于lognormal模型的文本测试数据集生成方法有效
| 申请号： | 201510718187.3 | 申请日： | 2015-10-29 |
| 公开（公告）号： | CN105260277B | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 董小社;王龙翔;张兴军;朱正东;陈衡 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06F11/22 | 分类号： | G06F11/22 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 陆万寿 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于lognormal模型的文本测试数据集生成方法，包括以下步骤：1)对真实文本数据集按词进行切分，再将切分得到的词按出现频率进行统计，然后根据统计的结果建立语料库；2)根据步骤1)建立的语料库中词出现的频率的大小对词进行排名，再通过最大似然估计将词排名的结果拟合得到lognormal模型参数，根据lognormal模型参数建立lognormal模型；3)基于步骤2)建立的lognormal模型根据蒙特卡洛方法生成随机数，再将随机数作为词的排名，得该随机数对应的词的内容；4)重复步骤3)，得所有词的内容，然后根据所有词的内容生成文本测试数据集。本发明能够准确的生成文本测试数据集。 | ||
| 搜索关键词： | 一种 基于 lognormal 模型 文本 测试数据 生成 方法 | ||
【主权项】：
1.一种基于lognormal模型的文本测试数据集生成方法，其特征在于，包括以下步骤：1)对真实文本数据集按词进行切分，再将切分得到的词按出现频率进行统计，然后根据统计的结果建立语料库；2)根据步骤1)建立的语料库中词出现的频率的大小对词进行排名，然后依词的排名为横坐标值，以词的频率为纵坐标值建立词频率分布，再通过最大似然估计将词排名‑频率的结果拟合得到lognormal模型参数，根据lognormal模型参数建立lognormal模型；3)基于步骤2)建立的lognormal模型根据蒙特卡洛方法生成随机数，再将随机数作为词的排名，得该随机数对应的词的内容；4)重复步骤3)，得所有词的内容，然后根据所有词的内容生成文本测试数据集。
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西安交通大学，未经西安交通大学许可，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/201510718187.3/，转载请声明来源钻瓜专利网。
