买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】数据过滤方法及装置_上海智臻智能网络科技股份有限公司_201610367670.6 

申请/专利权人:上海智臻智能网络科技股份有限公司

申请日:2016-05-30

公开(公告)日:2020-05-26

公开(公告)号:CN105956179B

主分类号:G06F16/9535(20190101)

分类号:G06F16/9535(20190101);G06F16/335(20190101);G06F16/35(20190101)

优先权:

专利状态码:有效-授权

法律状态:2020.05.26#授权;2016.10.19#实质审查的生效;2016.09.21#公开

摘要:本发明公开了一种数据过滤方法及装置。该方法包括:获取初始语料数据以及初始语料数据的人工分类结果;根据初始语料数据及人工分类结果建立分类模型;采用分类模型对新的语料数据进行自动分类处理;当自动分类处理的准确率小于预设值时,对分类模型进行调整处理;不断重复自动分类处理以及调整处理,直至采用调整后的分类模型对新的语料数据进行分类处理的准确率大于或等于预设值时,采用此时的分类模型对待处理语料数据进行分类处理。借助于本发明的技术方案,能够有效提高知识点分类的准确率,降低人工成本,避免了人力资源的浪费。

主权项:1.一种数据过滤方法,用于过滤知识点,其特征在于,包括:获取初始语料数据以及所述初始语料数据的人工分类结果,所述初始语料数据为智能问答日志和或从互联网爬取的问答数据;根据所述初始语料数据及人工分类结果建立分类模型;采用所述分类模型对新的语料数据进行自动分类处理,所述新的语料数据的范围为200条到500条;所述语料数据在建立分类模型或进行自动分类处理前还需要进行预处理操作,所述预处理操作包括:去除所述语料数据中的无效格式,并将剩余的语料数据的格式统一为文本格式,过滤所述剩余的语料数据中的脏词,和或敏感词,和或停用词,并将过滤后的语料数据按照标点划分为多行,形成问答形式的文本数据,提取所述问答形式的文本数据的问句信息,通过新词发现方法获取新词,判断所述获取的新词是否为需要的领域内的词,如果是,根据所述新词对分词词典进行更新,并根据所述更新后的分词词典对所述问句信息进行分词处理,否则,抛弃所述新词;当所述自动分类处理的准确率小于预设值时,对所述分类模型进行调整处理;不断重复所述自动分类处理以及所述调整处理,直至采用调整后的分类模型对新的语料数据进行分类处理的准确率大于或等于所述预设值时,采用此时的分类模型对待处理语料数据进行分类处理;所述人工分类以及所述自动分类处理的结果为有效领域词或无效领域词。

全文数据:

权利要求:

百度查询: 上海智臻智能网络科技股份有限公司 数据过滤方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术