一种多音字待标语料的筛选方法、装置、设备及存储介质

专利内容

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112201221 A (43)申请公布日 2021.01.08 (21)申请号 202011037697.1 G06F 40/211 (2020.01) (22)申请日 2020.09.28 (71)申请人 广州多益网络股份有限公司 地址 510000 广东省广州市黄埔区伴河路 90号 申请人 广东利为网络科技有限公司　 多益网络有限公司 (72)发明人 徐波　 (74)专利代理机构 广州三环专利商标代理有限 公司 44202 代理人 麦小婵　郝传鑫 (51)Int.Cl. G10L 13/02 (2013.01) G10L 13/08 (2013.01) G06F 40/242 (2020.01) 权利要求书2页 说明书11页 附图3页 (54)发明名称 一种多音字待标语料的筛选方法、装置、设 备及存储介质 (57)摘要 本发明公开了一种多音字待标语料的筛选 方法、装置、设备及存储介质，包括：获取原始文 本语料；生成汉字字串字典及字串文本字典，所 述汉字字串字典用以记录汉字映射到包含所述 汉字的全部字串组成的列表，所述字串文本字典 用以记录字串映射到包含所述字串的全部文本 组成的列表；循环遍历字典，从所述汉字字串字 典中取出多音字汉字，以使文本数量达到预设数 值，并生成候选文本列表；选择待标汉字