[发明专利]语料选取处理方法、装置、设备及计算机可读存储介质有效
| 申请号： | 201910072150.6 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109948142B | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 杨福星;曹琼;郝玉峰 | 申请（专利权）人： | 北京海天瑞声科技股份有限公司 |
| 主分类号： | G06F40/211 | 分类号： | G06F40/211 |
| 代理公司： | 11205 北京同立钧成知识产权代理有限公司 | 代理人： | 柴海平;刘芳 |
| 地址： | 100083 北京市海*** | 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： | 本发明实施例提供一种语料选取处理方法、装置、设备及计算机可读存储介质。本发明实施例的方法，通过根据原始句长分布，从所述原始语料中选取满足句数要求和句长要求、且与所述原始句长分布相匹配的语料，作为初始句长分布模型，得到的初始句长分布模型的句长分布与原始句长分布一致或者非常接近；通过对所述初始句长分布模型进行修正处理，得到满足总字数要求、句数要求和句长要求的最终句长分布模型，使得得到的最终句长分布模型的句长分布接近原始句长分布，符合语料设计中对于句长分布的要求。 | ||
| 搜索关键词： | 分布模型 语料 计算机可读存储介质 修正处理 原始语料 字数 匹配 | ||
【主权项】：
1.一种语料选取处理方法，其特征在于，包括：/n根据原始句长分布，从原始语料中选取满足句数要求和句长要求、且与所述原始句长分布相匹配的语料，作为初始句长分布模型；/n对所述初始句长分布模型进行修正处理，得到满足总字数要求、句数要求和句长要求的最终句长分布模型；/n所述根据原始句长分布，从所述原始语料中选取满足句数要求和句长要求、且与所述原始句长分布相匹配的语料，作为初始句长分布模型，包括：/n获取目标句数与所述原始语料的句数的比例值；/n根据所述目标句数与所述原始语料的句数的比例值，计算每种目标句长的句子的数量；/n根据每种目标句长的句子的数量，从所述原始语料中选取语料，得到所述初始句长分布模型。/n
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北京海天瑞声科技股份有限公司，未经北京海天瑞声科技股份有限公司许可，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/201910072150.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种提取特征词的方法和装置
- 下一篇：社区问答系统的答案抽取方法
