[发明专利]一种样本数据处理方法及装置有效
| 申请号： | 201811421160.8 | 申请日： | 2018-11-26 |
| 公开（公告）号： | CN109508378B | 公开（公告）日： | 2023-07-14 |
| 发明（设计）人： | 周涛涛;周宝;陈远旭;王健宗;肖京 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06F18/214 | 分类号： | G06F18/214;G06F16/35;G06F40/284 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郝传鑫;熊永强 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例公开了一种样本数据处理方法及装置，该方法适用于短文本分类的机器学习模型训练，该方法包括：获取短文本样本进行分词后的分词结果，并获取包含N个关键词的关键词词袋，根据该分词结果与该关键词词袋确定出第一元素集合，获取该分词结果中的目标词，并获取该目标词与该关键词词袋中各个关键词的相似度值，当该目标词与该关键词词袋中的第一关键词的相似度值大于相似度阈值，则根据该目标词与该第一关键词的相似度值更新该第一元素集合中的第一元素，得到第二元素集合，该第二元素集合中的各个元素用于构建用于短文本分类的机器学习模型。采用本申请实施例，可以提高利用元素集合构建的机器学习模型的性能。 | ||
| 搜索关键词： | 一种 样本 数据处理 方法 装置 | ||
【主权项】：
1.一种样本数据处理方法，其特征在于，包括：获取短文本样本进行分词后得到的分词结果，并获取包含N个关键词的关键词词袋，所述分词结果中包括至少一个词；根据所述分词结果与所述关键词词袋确定出第一元素集合，所述第一元素集合中包括N个元素，所述第一元素集合中各个元素的值为所述关键词词袋中各个关键词在所述分词结果中出现的次数；获取所述分词结果中的目标词，并获取所述目标词与所述关键词词袋中各个关键词的相似度值，所述目标词包括在所述分词结果中存在且在所述关键词词袋中不存在的词；若所述目标词与所述关键词词袋中的第一关键词的相似度值大于相似度阈值，则根据所述目标词与所述第一关键词的相似度值更新所述第一元素集合中所述第一关键词对应的第一元素，得到第二元素集合；其中，所述第二元素集合中的各个元素用于构建用于短文本分类的机器学习模型。
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平安科技（深圳）有限公司，未经平安科技（深圳）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/201811421160.8/，转载请声明来源钻瓜专利网。
