[发明专利]一种文本的质量清洗方法、装置及介质在审
申请号: | 202111583937.2 | 申请日: | 2021-12-22 |
公开(公告)号: | CN114298033A | 公开(公告)日: | 2022-04-08 |
发明(设计)人: | 李峰;申冲 | 申请(专利权)人: | 郑州云海信息技术有限公司 |
主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/216;G06F16/335;G06F16/35;G06K9/62 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 常亮 |
地址: | 450018 河南省郑州市*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本申请公开了一种文本的质量清洗方法、装置及介质,主要涉及数据分类领域。该方法先对互联网语料进行采样,得到采样数据;再从采样数据中抽取预先设定的低质量文本,其中,低质量文本包括不通顺的语句、知识表达不充分的语句和重复出现的语句,预先设定的低质量文本至少包括其中两类。由此可见,相较于传统方法中只能筛出一类低质量文本,本申请提供的方法能够筛出至少两类低质量文本,通过覆盖多种类别的低质量文本,提高了文本质量分类模型的通用性。 | ||
搜索关键词: | 一种 文本 质量 清洗 方法 装置 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郑州云海信息技术有限公司,未经郑州云海信息技术有限公司许可,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/202111583937.2/,转载请声明来源钻瓜专利网。