龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司
申请日：2021-11-18
公开（公告）日：2024-06-25
公开（公告）号：CN114036907B
主分类号：G06F40/166
分类号：G06F40/166;G06F40/247;G06F40/284
优先权：
专利状态码：有效-授权
法律状态：2024.06.25#授权;2022.03.01#实质审查的生效;2022.02.11#公开
摘要：本申请公开了一种基于领域特征的文本数据扩增方法，包括：获取专业领域数据集，所述专业领域数据集包括多个文本；针对每一个文本，进行预处理，获取待扩增文本；所述预处理包括文本格式统一、文本分词、去停用词和文本词频统计；针对待扩增文本，根据四种扩增方法，获取扩增后的文本；获取扩增后的专业领域数据集，所述扩增后的专业领域数据集包括多个扩增后的文本。本申请公开了获取扩增后文本的四种方法，可以在扩增文本数据的同时，体现出文本的领域特征，提高了文本数据扩增的质量，并提高了基于此文本构建的AI系统的服务质量。
主权项：1.一种基于领域特征的文本数据扩增方法，其特征在于，包括：获取专业领域数据集，所述专业领域数据集包括多个文本；针对每一个文本，进行预处理，获取待扩增文本；所述预处理包括文本格式统一、文本分词、去停用词和文本词频统计；针对待扩增文本，获取扩增后的文本；获取扩增后的专业领域数据集，所述扩增后的专业领域数据集包括多个扩增后的文本；所述针对待扩增文本，获取扩增后的文本，包括：获取所述待扩增文本的词集；所述词集包括多个词语；获取所述待扩增文本的依存句法树；所述依存句法树包括父结点和子结点，所述父结点包括子结点；每个父结点与其所包含的所有子结点构成一个树枝，每个父结点和每个子结点分别表示一个词语，父结点和子结点之间的关系表示词语之间的依存关系；根据所述专业领域数据集，构建词频和逆向文件频率模型；根据所述词频和逆向文件频率模型，获取所述词集中每个词语的词频和逆向文件频率；获取所述依存句法树中每个树枝的词频和逆向文件频率总和；随机删除所述依存句法树中词频和逆向文件频率总和低于预设值的树枝；获取扩增后的文本，所述扩增后的文本包括依存句法树中所有父结点和子结点所对应的词语。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司 一种基于领域特征的文本数据扩增方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号