[發明專利]一種數據的檢錯方法及系統

有效

• 申請號: 201711417309.0
• 申請日: 2017-12-25
• 公開（公告）號: CN108154179B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 林文慧
• 申請（專利權）人: 北京潤科通用技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種數據的檢錯方法，其特征在于，包括：

依據預設的確定規則，確定與目標數據關聯的各個字典；

依據所述各個字典，對所述目標數據進行字典化處理，得到至少一個字典化特征向量；

將所述字典化特征向量傳遞給依據預設的訓練規則訓練的分類器模型進行檢錯，實現對所述目標數據的檢錯；

其中，依據預設的確定規則，確定與目標數據關聯的各個字典包括：

解析所述目標數據，得到與所述目標數據關聯的各個特征向量集文檔，每一個所述特征向量集文檔包含至少一個特征向量；

對每一個所述特征向量集文檔進行聚類分析，得到與所述特征向量集文檔關聯的字典；

當接收到對所述特征向量集文檔聚類分析的結束指令時，得到與所述目標數據關聯的各個字典；

其中，對每一個所述特征向量集文檔進行聚類分析包括：

確定所述特征向量集文檔中的簇的數量，在所述特征向量集文檔中選取與所述簇的數量相同的特征向量作為第一簇中心；

將所述特征向量集文檔中的每一個特征向量分別與所述第一簇中心包含的特征向量進行相異度計算，得到第一相異度計算結果；

依據所述第一相異度計算結果調整所述第一簇中心的特征向量，得到第二簇中心；

將所述特征向量集文檔中的每一個特征向量分別與所述第二簇中心包含的特征向量進行相異度計算，得到第二相異度計算結果；

當所述第一相異度計算結果與所述第二相異度計算結果對應項的差值小于預設的分析閾值時，將所述第二簇中心包含的特征向量作為詞根，依據所述詞根構建字典。

2.根據權利要求1所述的方法，其特征在于，依據所述各個字典，對所述目標數據進行字典化處理，得到至少一個字典化特征向量包括：

解析所述目標數據包含的數據文檔，所述數據文檔至少為一個；

將每一個所述數據文檔依據所述各個字典進行描述，得到與所述數據文檔對應的所述字典化特征向量；

當檢測到對所述數據文檔描述完成的指令時，得到至少一個所述字典化特征向量。

3.根據權利要求1所述的方法，其特征在于，依據預設的訓練規則訓練分類器模型的過程包括：

將所述字典化特征向量作為訓練樣本；

依據支持向量機SVM建立數據分類器模型；

將所述訓練樣本傳遞給所述數據分類器模型，當所述數據分類器模型的輸出的檢錯結果的準確度達到預設的區分閾值時，完成所述分類器模型的訓練。

4.一種數據的檢錯系統，其特征在于，包括：

確定模塊，用于依據預設的確定規則，確定與目標數據關聯的各個字典；

字典化模塊，用于依據所述各個字典，對所述目標數據進行字典化處理，得到至少一個字典化特征向量；

檢錯模塊，用于將所述字典化特征向量傳遞給依據預設的訓練規則訓練的分類器模型進行檢錯，實現對所述目標數據的檢錯；

其中，所述確定模塊包括：

第一解析單元，用于解析所述目標數據，得到與所述目標數據關聯的各個特征向量集文檔，每一個所述特征向量集文檔包含至少一個特征向量；

聚類分析單元，用于對每一個所述特征向量集文檔進行聚類分析，得到與所述特征向量集文檔關聯的字典；

第一獲得單元，用于當接收到對所述特征向量集文檔聚類分析的結束指令時，得到與所述目標數據關聯的各個字典；

其中，所述聚類分析單元包括：

選取子單元，用于確定所述特征向量集文檔中的簇的數量，在所述特征向量集文檔中選取與所述簇的數量相同的特征向量作為第一簇中心；

第一計算子單元，用于將所述特征向量集文檔中的每一個特征向量分別與所述第一簇中心包含的特征向量進行相異度計算，得到第一相異度計算結果；

調整子單元，用于依據所述第一相異度計算結果調整所述第一簇中心的特征向量，得到第二簇中心；

第二計算子單元，用于將所述特征向量集文檔中的每一個特征向量分別與所述第二簇中心包含的特征向量進行相異度計算，得到第二相異度計算結果；

構建子單元，用于當所述第一相異度計算結果與所述第二相異度計算結果對應項的差值小于預設的分析閾值時，將所述第二簇中心包含的特征向量作為詞根，依據所述詞根構建字典。