申请/专利权人：北京百度网讯科技有限公司

申请日：2020-11-09

公开（公告）日：2024-03-29

公开（公告）号：CN112541076B

主分类号：G06F16/35

分类号：G06F16/35;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.04.09#实质审查的生效;2021.03.23#公开

摘要：本申请公开了一种目标领域的扩充语料生成方法、装置、电子设备和存储介质，涉及自然语言处理领域、语音识别领域及深度学习领域。具体实现方案为：获取目标领域的目标词；获取目标词对应的召回语料；分别计算目标词与召回语料的多种相似度特征；将多种相似度特征输入至相似度模型以生成召回语料与目标词之间的相似度预测值；以及根据相似度预测值将召回语料作为目标领域的扩充语料。本申请可以解决训练语言模型存在语料缺少的问题，可以获得更加准确的目标领域内的扩充语料。

主权项：1.一种目标领域的扩充语料生成方法，包括：获取目标领域的目标词；获取所述目标词对应的召回语料；分别计算所述目标词与所述召回语料的多种相似度特征，其中，所述多种相似度特征包括检索得分、编辑距离、余弦距离和相似系数之中的至少两种，其中，所述相似度特征与领域无关；将所述多种相似度特征输入至相似度模型以生成所述召回语料与所述目标词之间的相似度预测值；以及根据所述相似度预测值将所述召回语料作为所述目标领域的扩充语料；其中，所述相似度模型基于梯度下降树GBDT模型；其中，所述相似度模型通过以下步骤训练得到：获取训练数据，其中，所述训练数据包括多个句子对以及每个所述句子对的标签；分别计算每个所述句子对的多种相似度特征；根据每个所述句子对的多种相似度特征以及每个句子对的标签，对所述GBDT模型进行分类训练，得到所述相似度模型。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 目标领域的扩充语料生成方法、装置和电子设备

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