买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京睿企信息科技有限公司;上海清月人工智能科技有限公司;日照睿安信息科技有限公司;南通睿企科技有限公司

摘要：本申请涉及电数字数据处理技术领域，特别是涉及一种获取命名实体识别模型的数据处理方法。所述方法包括以下步骤：遍历data，如果使用datase对命名实体识别模型进行训练时对datase进行了第mt个预设类型的实体的标注，则将datase中第mt个预设类型的实体的正样本占比确定为datase的第mt个权值qzse,mt；否则，设置qzse,mt为0；根据qzse,mt、cb和zb确定从新增文本集中获取用于对所述经训练的命名实体识别模型进行训练的最优文本数量。本发明能够获取较优的新的训练样本的数量。

主权项：1.一种获取命名实体识别模型的数据处理方法，其特征在于，所述数据处理方法包括以下步骤：D100，获取经训练的命名实体识别模型的训练文本集data，data包括st个训练文本集，每一训练文本集包括若干训练文本；st为经训练的命名实体识别模型的训练文本集的数量；所述经训练的命名实体识别模型是使用data进行训练得到的模型，所述经训练的命名实体识别模型用于识别输入文本中预设类型ty的实体并标注对应的标签；ty包括ht个预设类型，ht为预设的预设类型的数量；D200，遍历data，如果使用datase对命名实体识别模型进行训练时对datase进行了第mt个预设类型的实体的标注，则将datase中第mt个预设类型的实体的正样本占比确定为datase的第mt个权值qzse,mt；否则，设置qzse,mt为0；datase为经训练的命名实体识别模型的第se个训练文本集，se的取值范围为1到st；mt的取值范围为1到ht；D300，获取测试文本集中ht个预设类型的实体的正样本占比cb；D400，获取新增文本集中ht个预设类型的实体的正样本占比zb；D500，根据qzse,mt、cb和zb确定从新增文本集中获取用于对所述经训练的命名实体识别模型进行训练的最优文本数量。

全文数据：

权利要求：

百度查询： 北京睿企信息科技有限公司 上海清月人工智能科技有限公司 日照睿安信息科技有限公司 南通睿企科技有限公司 一种获取命名实体识别模型的数据处理方法