[发明专利]一种多音字待标语料的筛选方法、装置、设备及存储介质在审
| 申请号： | 202011037697.1 | 申请日： | 2020-09-28 |
| 公开（公告）号： | CN112201221A | 公开（公告）日： | 2021-01-08 |
| 发明（设计）人： | 徐波 | 申请（专利权）人： | 广州多益网络股份有限公司;广东利为网络科技有限公司;多益网络有限公司 |
| 主分类号： | G10L13/02 | 分类号： | G10L13/02;G10L13/08;G06F40/242;G06F40/211 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 麦小婵;郝传鑫 |
| 地址： | 510000 广*** | 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： | 本发明公开了一种多音字待标语料的筛选方法、装置、设备及存储介质，包括：获取原始文本语料；生成汉字字串字典及字串文本字典，所述汉字字串字典用以记录汉字映射到包含所述汉字的全部字串组成的列表，所述字串文本字典用以记录字串映射到包含所述字串的全部文本组成的列表；循环遍历字典，从所述汉字字串字典中取出多音字汉字，以使文本数量达到预设数值，并生成候选文本列表；选择待标汉字，通过所述候选文本列表，获取待标文本列表；从所述待标文本列表中依次记录每个文本的信息，以得到输出文本列表。本发明能够收集题材类型全面的原始文本语料，确保文本语料对题材类型、语言风格覆盖全面。 | ||
| 搜索关键词： | 一种 多音字 标语 筛选 方法 装置 设备 存储 介质 | ||
【主权项】：
暂无信息
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广州多益网络股份有限公司;广东利为网络科技有限公司;多益网络有限公司，未经广州多益网络股份有限公司;广东利为网络科技有限公司;多益网络有限公司许可，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/202011037697.1/，转载请声明来源钻瓜专利网。
