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！
摘要：本申请实施例提供一种训练样本的选取方法与装置，通过获取种子文本和N篇备选文本，并确定该种子文本与每篇备选文本之间的相似度；接着，根据种子文本与每篇备选文本之间的相似度，首先从N篇备选文本中选取M篇第一备选文本，并确定每篇第一备选文本与种子文本之间的编辑距离，再根据每篇第一备选文本与种子文本之间的编辑距离，从M篇第一备选文本中选取对应的编辑距离在第一预设范围内的K篇第一备选文本作为模型的训练样本数据，进而在保证了训练样本多样性的基础上，降低了重复样本的数量，这样使用该训练样本对模型进行训练时，可以提高模型的训练速度。
主权项：1.一种训练样本的选取方法，其特征在于，包括：获取种子文本和N篇备选文本，并确定所述种子文本与每篇所述备选文本之间的相似度，所述备选文本为未作标注的待选样本，所述种子文本为已作标注的样本；根据所述种子文本与每篇所述备选文本之间的相似度，从所述N篇备选文本中选取M篇第一备选文本；对于每篇第一备选文本，将所述第一备选文本作为第一字符串，将所述种子文本作为第二字符串，确定所述第一字符串转化为所述第二字符串时所需的最少操作数，作为所述第一备选文本与所述种子文本之间的编辑距离；根据每篇所述第一备选文本与所述种子文本之间的编辑距离，从所述M篇第一备选文本中选取编辑距离大于预设值的K篇第一备选文本作为训练样本，所述K篇第一备选文本为所述M篇第一备选文本中与所述种子文本不相同的第一备选文本，所述编辑距离越小表示两个文本的相似度越高，所述N、M、K均为大于或等于1的正整数；其中，确定所述种子文本与每篇所述备选文本之间的相似度包括：确定所述种子文本的标题的特征向量和正文的特征向量，以及每篇所述备选文本的标题的特征向量和正文的特征向量；根据所述种子文本的标题的特征向量和正文的特征向量，确定所述种子文本的特征向量；根据每篇所述备选文本的标题的特征向量和正文的特征向量，确定每篇所述备选文本的特征向量；针对每篇所述备选文本，根据所述种子文本的特征向量与所述备选文本的特征向量，确定所述种子文本与所述备选文本之间的相似度。
全文数据：
权利要求：
百度查询： 腾讯科技(深圳)有限公司 训练样本的选取方法与装置
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