申请/专利权人:深圳市一面网络技术有限公司
申请日:2020-02-18
公开(公告)日:2020-06-23
公开(公告)号:CN111324745A
主分类号:G06F16/36(20190101)
分类号:G06F16/36(20190101);G06F16/335(20190101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2020.07.17#实质审查的生效;2020.06.23#公开
摘要:本发明涉及自然语言处理技术领域,尤其是指词库生成方法及装置,其特征在于,包括人工浏览评论,为商品的每个评价维度整理出10‑20个种子词;准备30万不重复语料,其中选取5万语料作为训练语料,25万语料作为预测语料;对用作训练的5万语料根据不同维度的种子词自动打上维度标签,并标记在句中位置,按每个维度随机选取正负样本各1000,作为平衡语料,用作模型训练语料;使用训练语料训练序列标注模型,预测语料中各个维度特征词出现的位置;模型训练好后,将模型应用到20万的预测语料,预测各个维度特征词词出现的位置,将对应位置的字序列提取出来作为候选特征词;将各个维度特征词的识别结果与种子词库合并并去重,形成各个维度的初步词库;人工对词库进行筛查,形成最终可用的词库。本申请的词库生成方法及装置可以快速构建商品各个维度的词库。
主权项:1.词库生成方法,其特征在于,包括:人工浏览评论,为商品的每个评价维度整理出10-20个种子词;准备30万不重复语料,其中选取5万语料作为训练语料,25万语料作为预测语料;对用作训练的5万语料根据不同维度的种子词自动打上维度标签,并标记在句中位置,按每个维度随机选取正负样本各1000,作为平衡语料,用作模型训练语料;使用训练语料训练序列标注模型,预测语料中各个维度特征词出现的位置;模型训练好后,将模型应用到20万的预测语料,预测各个维度特征词词出现的位置,将对应位置的字序列提取出来作为候选特征词;将各个维度特征词的识别结果与种子词库合并并去重,形成各个维度的初步词库;人工对词库进行筛查,形成最终可用的词库。
全文数据:
权利要求:
百度查询: 深圳市一面网络技术有限公司 词库生成方法及装置
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。