龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：第四范式(北京)技术有限公司
摘要：本公开涉及一种语料筛选及语言模型训练方法、装置、设备及存储介质。基于语料的编码数据中的换行符，将编码数据划分为多段子编码数据；判断子编码数据中是否存在属于第一字符类别的第一字符；针对存在第一字符的第一子编码数据，基于第一比例和或第二比例判断第一子编码数据对应的解码后语料是否可用，第一比例用于表征第一子编码数据中第一字符所占的比例，第二比例用于表征第一子编码数据对应的解码后语料中的常见字词或非常见字词所占的比例。由此，可以在提升语料质量的同时尽可能多的保留语料中的可用部分。
主权项：1.一种语料筛选方法，其特征在于，包括：基于语料的编码数据中的换行符，将所述编码数据划分为多段子编码数据；判断所述子编码数据中是否存在属于第一字符类别的第一字符；针对存在所述第一字符的第一子编码数据，基于第一比例和或第二比例判断所述第一子编码数据对应的解码后语料是否可用，所述第一比例用于表征所述第一子编码数据中所述第一字符所占的比例，所述第二比例用于表征所述第一子编码数据对应的解码后语料中的常见字词或非常见字词所占的比例。
全文数据：
权利要求：
百度查询： 第四范式(北京)技术有限公司 语料筛选及语言模型训练方法、装置、设备及存储介质
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。
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