公开(公告)号：CN103823824B

公开(公告)日：2017-04-05

申请号：CN201310314269.2

申请日：2013-11-12

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 陈清财 ,  张亮 ,  王丹丹 ,  王晓龙

IPC: G06F17/30

Abstract: 本发明公开了一种借助互联网自动构建文本分类语料库的方法及系统，该方法包括如下步骤：用户提供所需的文本类别体系，网站结构与内容的采集整理，用户输入类别与网站结构的匹配，语料库去噪，输出语料库。本发明的技术效果是：利用互联网上各类网站上存在的类别标注信息，无需专业的人员手工标注，自适应不同用户的分类体系需求。它改变了传统的语料库构建系统需要大量的具有一定专业知识的人员加入标注的方式，采用对互联网上的丰富信息进行自动的抽取和挖掘的方式，可快速的构建出大容量的精准的文本分类语料库。

公开(公告)号：CN103823824A

公开(公告)日：2014-05-28

申请号：CN201310314269.2

申请日：2013-11-12

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 陈清财 ,  张亮 ,  王丹丹 ,  王晓龙

IPC: G06F17/30

CPC classification number: G06F17/30705 ,  G06F17/30864

Abstract: 本发明公开了一种借助互联网自动构建文本分类语料库的方法及系统，该方法包括如下步骤：用户提供所需的文本类别体系，网站结构与内容的采集整理，用户输入类别与网站结构的匹配，语料库去噪，输出语料库。本发明的技术效果是：利用互联网上各类网站上存在的类别标注信息，无需专业的人员手工标注，自适应不同用户的分类体系需求。它改变了传统的语料库构建系统需要大量的具有一定专业知识的人员加入标注的方式，采用对互联网上的丰富信息进行自动的抽取和挖掘的方式，可快速的构建出大容量的精准的文本分类语料库。