[发明专利]一种基于图片构建资源稀缺语言可比语料库的方法及系统有效
| 申请号： | 201710047514.6 | 申请日： | 2017-01-22 |
| 公开（公告）号： | CN106844648B | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 王志娟 | 申请（专利权）人： | 中央民族大学 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F17/27 |
| 代理公司： | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人： | 陈霁 |
| 地址： | 100081 北*** | 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： | 本发明涉及一种基于图片构建资源稀缺语言可比语料库的方法及系统，该方法包括：S110，下载资源稀缺语言的网页，并作为资源稀缺语言文本，所述网页包括文本中的图片；S120，搜索包含资源稀缺语言文本相同或相似图片的资源丰富语言的网页，作为资源丰富语言文本；S130，对资源稀缺语言和资源丰富语言的网页进行特征提取；S140，基于所述特征计算具有相同或相似图片的资源稀缺语言和资源丰富语言网页的相似度值；S150，选取相似度值最高的资源丰富语言文本作为资源稀缺语言文本的可比文本；S160，重复S120‑S150，直至所有资源稀缺语言网页找到资源丰富语言的可比文本。本发明不受资源稀缺语言信息处理技术以及资源的限制，可以较低成本、快速构建资源稀缺语言的跨语言可比语料库。 | ||
| 搜索关键词： | 一种 基于 图片 构建 资源 稀缺 语言 可比 语料库 方法 系统 | ||
【主权项】：
1.一种基于图片构建资源稀缺语言可比语料库的方法，其特征在于，包括：S110，下载资源稀缺语言的网页，并作为资源稀缺语言文本，所述网页包括文本中的图片；S120，搜索包含与所述资源稀缺语言文本相同或相似图片的资源丰富语言的网页，作为资源丰富语言文本；S130，对所述资源稀缺语言和资源丰富语言的网页进行特征提取，所述特征包括：文本中的图片、文本发布时间、文本中的数字、时间及命名实体；S140，基于所述特征计算具有相同或相似图片的资源稀缺语言和资源丰富语言网页的相似度值；S150，选取相似度值最高的资源丰富语言文本作为资源稀缺语言文本的可比文本；S160，重复S120至S150，直至所有含有图片的资源稀缺语言网页找到资源丰富语言的可比文本为止。
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中央民族大学，未经中央民族大学许可，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/201710047514.6/，转载请声明来源钻瓜专利网。
- 上一篇：用于立塑袋补充装的具有计量功能的快速转接装置
- 下一篇：一种洗手液节约装置
