郑州云海信息技术有限公司李峰获国家专利权
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！
龙图腾网获悉郑州云海信息技术有限公司申请的专利一种文本的质量清洗方法、装置及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114298033B 。
龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111583937.2，技术领域涉及：G06F40/289；该发明授权一种文本的质量清洗方法、装置及介质是由李峰;申冲设计研发完成，并于2021-12-22向国家知识产权局提交的专利申请。
本一种文本的质量清洗方法、装置及介质在说明书摘要公布了：本申请公开了一种文本的质量清洗方法、装置及介质，主要涉及数据分类领域。该方法先对互联网语料进行采样，得到采样数据；再从采样数据中抽取预先设定的低质量文本，其中，低质量文本包括不通顺的语句、知识表达不充分的语句和重复出现的语句，预先设定的低质量文本至少包括其中两类。由此可见，相较于传统方法中只能筛出一类低质量文本，本申请提供的方法能够筛出至少两类低质量文本，通过覆盖多种类别的低质量文本，提高了文本质量分类模型的通用性。
本发明授权一种文本的质量清洗方法、装置及介质在权利要求书中公布了：1.一种文本的质量清洗方法，其特征在于，包括： 对互联网语料进行采样，得到采样数据； 从所述采样数据中抽取预先设定的低质量文本，所述低质量文本包括不通顺的语句、知识表达不充分的语句和重复出现的语句，所述预先设定的低质量文本至少包括其中两类； 其中，若所述低质量文本为所述知识表达不充分的语句，则所述从所述采样数据中抽取预先设定的低质量文本包括： 使用jieba分词的TextRank算法筛选各所述语句的关键词；根据每个所述语句的所述关键词的数量和语句长度计算用于衡量所述关键词的密度的指标；根据所述指标确定所述低质量文本并进行抽取，其中，所述指标与所述语句为所述低质量文本的概率成反比； 其中，所述关键词的密度的指标，关键词数量为，文本长度为，m为重要性提升阈值，其取值与的最大值有关，用于保证语句的指标值不会因语句过长而减小。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人郑州云海信息技术有限公司，其通讯地址为：450018 河南省郑州市郑东新区心怡路278号16层1601室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。
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。
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
请提出您的宝贵建议，有机会获取IP积分或其他奖励