[发明专利]数据集生成方法、装置、电子设备及可读存储介质在审
申请号: | 202310805385.8 | 申请日: | 2023-06-30 |
公开(公告)号: | CN116933767A | 公开(公告)日: | 2023-10-24 |
发明(设计)人: | 周航成;梁晓东;阮禄;冉猛;赵进;危枫;王晨子 | 申请(专利权)人: | 中国电信股份有限公司 |
主分类号: | G06F40/216 | 分类号: | G06F40/216;G06F40/289;G06F16/31 |
代理公司: | 北京润泽恒知识产权代理有限公司 11319 | 代理人: | 任亚娟 |
地址: | 100033 *** | 国省代码: | 北京;11 |
权利要求书: | 暂无信息 | 说明书: | 暂无信息 |
摘要: | 本发明提供了一种数据集生成方法、装置、电子设备及可读存储介质,通过对没有标签的句子文本的统计,确定出针对句子的第一采样概率,将句子中的字符进行统计,得到针对每个字符的第二采样概率,将无标签句子文本中的字符与拼音的对应关系扩充至拼音字典,使得可以根据第一采样概率从无标签句子文本中对句子采样,得到用于构建有标签数据集的句子,并根据第二采样概率从采样的句子中确定目标字符,将目标字符替换为根据替换概率从新的拼音字典确定的目标替换字符,使得目标句子修正为有误的句子,通过这些有误的句子得到了有标签的数据集,可以节约得到数据集的时间,避免人工标注的质量问题,使得得到的数据集可以更好的匹配不同的领域要求。 | ||
搜索关键词: | 数据 生成 方法 装置 电子设备 可读 存储 介质 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电信股份有限公司,未经中国电信股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/202310805385.8/,转载请声明来源钻瓜专利网。
- 上一篇:基于粉丝画像的直播信息推送方法
- 下一篇:一种可调间距的托辊
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置