申请/专利权人：北京中关村科金技术有限公司

申请日：2019-12-31

公开（公告）日：2024-05-14

公开（公告）号：CN113127611B

主分类号：G06F16/332

分类号：G06F16/332;G06F16/35;G06F40/216;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2021.08.03#实质审查的生效;2021.07.16#公开

摘要：本申请公开了一种对问句语料进行处理的方法、装置以及存储介质。其中，该方法包括，通过对第一问句语料集合进行聚类操作，确定基于问句语料的多个问句类别，其中所述问句类别包含各自的根据问句语料的信息量确定的中心问句；根据第二问句语料集合中的问句语料与各个所述中心问句之间的相似度，确定所述第二问句语料集合中的问句语料的类别，并根据所述第二问句语料集合中的问句语料在所述多个问句类别的分布，确定各个所述中心问句的频次；以及从多个问句类别中确定中心问句的频次大于预设阈值的问句类别。

主权项：1.一种对问句语料进行处理的方法，其特征在于，包括：通过对第一问句语料集合进行聚类操作，确定基于问句语料的多个问句类别，其中所述问句类别包含各自的根据问句语料的信息量确定的中心问句；根据第二问句语料集合中的问句语料与各个所述中心问句之间的相似度，确定所述第二问句语料集合中的问句语料的类别，并根据所述第二问句语料集合中的问句语料在所述多个问句类别的分布，确定各个所述中心问句的频次，最后确定中心问句的频次大于预设阈值的问句类别，从而可以快速准确的确定高频中心问句的问句类别，用以确定用户喜欢提问哪些问题，以及从所述多个问句类别中确定中心问句的频次大于预设阈值的问句类别，通过对第一问句语料集合进行聚类操作，确定基于问句语料的多个问句类别的操作，包括：将所述第一问句语料集合中的问句语料按照信息量由大到小的顺序，选取预定比例的待聚类问句语料；以及对所述待聚类问句语料进行聚类操作，确定所述多个问句类别，还包括按照以下操作，确定所述第一问句语料集合中的问句语料的信息量：确定所述第一问句语料集合中的问句语料中各个词语的词频；以及根据所确定的各个词语的词频，确定所述第一问句语料集合中的问句语料的信息量；信息量的计算公式为：b1×e-0.2*1+b2×e-0.2*2+b3×e-0.2*3...+bn×e-0.2*n；其中，问句语料有n个词，b1，b2，b3...bn为词频；通过获取第一问句语料中各个词语的词频，并根据该词频计算出信息量值，通过将第一问句语料集合中的问句语料按照信息量大小信息排序，过滤掉信息量低于预定比例的无价值的问句语料。

全文数据：

权利要求：

百度查询： 北京中关村科金技术有限公司 对问句语料进行处理的方法、装置以及存储介质

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