申请/专利权人：北京百度网讯科技有限公司

申请日：2023-02-20

公开（公告）日：2023-05-26

公开（公告）号：CN116166962A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/23;G06F18/22;G06F16/33;G06F40/30

优先权：

专利状态码：在审-公开

法律状态：2023.05.26#公开

摘要：本公开提供了一种文本语料处理方法、模型训练方法、文本处理方法及装置，涉及神经网络、深度学习、样本挑选、样本生成等人工智能技术领域，可应用于金融、法律、化学、生物医疗等领域的文本处理场景。该方法包括：获取原始文本语料集；将原始文本语料集中的名词性词语替换为无意义的占位符，得到处理后语料集；分别确定处理后语料集中的文本语料的结构特征和语义特征；根据结构特征计算不同文本语料之间的结构相似度、根据语义特征计算不同文本语料之间的语义相似度；基于结构相似度和语义相似度对文本语料进行聚类处理，并将远离聚类中心的目标文本语料选取为代表性样本。应用该方法可以挑选到具有较高代表性的代表性样本。

主权项：1.一种文本语料处理方法，包括：获取原始文本语料集；将所述原始文本语料集中的名词性词语替换为无意义的占位符，得到处理后语料集；分别确定所述处理后语料集中的文本语料的结构特征和语义特征；根据所述结构特征计算不同所述文本语料之间的结构相似度、根据所述语义特征计算不同所述文本语料之间的语义相似度；基于所述结构相似度和所述语义相似度对所述文本语料进行聚类处理，并将远离聚类中心的目标文本语料选取为代表性样本。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 文本语料处理方法、模型训练方法、文本处理方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD