一种基于众包模式的多语种文本标注语料库搭建方法
公开
摘要
本发明提供一种基于众包模式的多语种文本标注语料库搭建方法，属于智能信息处理技术领域。该方法包括以下步骤：第一，获取文本数据，接着对对所述文本数据进行分类、预处理；将预处理后的文本数据导入生语料库，构成生语料库。第二，对语料标注者进行测验，并根据其标注的质量进行评分；接着对生语料库进行标注。第三，经过专家审查，提供标注语料库。与现有技术相比，本发明的有益效果为：本发明的方法通过对语料进行一系列预处理，并对语料状态进行管理，减少垃圾信息的干扰，提高了语料库质量。
基本信息
专利标题 ：
一种基于众包模式的多语种文本标注语料库搭建方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114564584A
申请号 ：
CN202210193209.9
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱哲宇许铭扬姜赢杨静
申请人 ：
北京师范大学珠海分校
申请人地址 ：
广东省珠海市香洲区唐家湾镇金凤路18号
代理机构 ：
广州粤高专利商标代理有限公司
代理人 ：
彭东梅
优先权 ：
CN202210193209.9
主分类号 ：
G06F16/35
IPC分类号 ：
G06F16/35 G06F40/284
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/35
••聚类；分类
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
