申请/专利权人：腾讯科技(深圳)有限公司

申请日：2020-09-11

公开（公告）日：2024-03-15

公开（公告）号：CN112069329B

主分类号：G06F16/36

分类号：G06F16/36;G06F40/295;G06F40/247;G06F40/216

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2022.10.25#实质审查的生效;2020.12.11#公开

摘要：本申请公开了一种文本语料的处理方法、装置、设备及存储介质，属于人工智能技术领域。所述方法包括：采用设定召回参数获取初始的训练样本集，所述初始的训练样本集中包括至少一个训练样本；基于初始的训练样本集中目标训练样本的影响函数，确定目标训练样本的重要性指标；根据初始的训练样本集中各个训练样本的重要性指标，从初始的训练样本集中选取重要性指标满足条件的训练样本，得到关系抽取模型的采样后的训练样本集，采样后的训练样本集用于对关系抽取模型进行训练。本申请中，能够快速准确地从初始的训练样本集中获取采样后的训练样本集，保证采样后的训练样本集的可信度，提高训练出的关系抽取模型的准确性。

主权项：1.一种文本语料的处理方法，其特征在于，所述方法包括：采用设定召回参数获取初始的训练样本集，所述初始的训练样本集中包括至少一个训练样本；其中，所述设定召回参数是用于从文本语料库中召回所述训练样本的参数，所述文本语料库中包括用于构建知识图谱的文本语料；获取关系抽取模型的测试样本集，所述测试样本集中包括至少一个测试样本，所述关系抽取模型是用于从语料样本中抽取实体间关系以构建知识图谱的模型；获取第一损失函数值和第二损失函数值；其中，所述第一损失函数值是指所述关系抽取模型在所述初始的训练样本集中目标训练样本上的损失函数值，所述第二损失函数值是指所述关系抽取模型在所述测试样本上的损失函数值；基于所述目标训练样本的影响函数、所述第一损失函数值和所述第二损失函数，确定所述目标训练样本针对单个所述测试样本的影响参数，所述目标训练样本的影响参数用于度量所述目标训练样本对所述关系抽取模型在所述测试样本集上预测误差的影响程度；将所述目标训练样本针对各个所述测试样本的影响参数累加，得到所述目标训练样本的影响参数；根据所述目标训练样本的影响参数，确定所述目标训练样本的重要性指标，所述目标训练样本的重要性指标用于度量所述目标训练样本在所述关系抽取模型的训练过程中的重要程度；根据所述初始的训练样本集中各个训练样本的重要性指标，从所述初始的训练样本集中选取所述重要性指标满足条件的训练样本，得到所述关系抽取模型的采样后的训练样本集，所述采样后的训练样本集用于对所述关系抽取模型进行训练。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 文本语料的处理方法、装置、设备及存储介质

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