原创力文档- 1、本文档共15页，其中可免费阅读14页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请公开了本发明提供了一种数据清洗方法、系统、计算机设备及存储介质，数据清洗方法包括：获得文档主题概率分布步骤：使用主题模型对收集到的原始语料进行主题建模，得到各文档的主题概率分布；主题概率分布聚类步骤：根据所述主题概率分布通过聚类算法获得文档样本集合及/或离群噪声点；无关文本删除步骤：删除所述离群噪声点。本发明基于主题聚类的数据清洗方法，本发明的优势是自动化程度高，采用主题聚类的方法自动识别文本的主题类别，可实现内容无关文本的自动化过滤，通用性较好。
(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 112364935 A
(43)申请公布日 2021.02.12
(21)申请号 202011369757.X
(22)申请日 2020.11.30
(71)申请人 北京明略昭辉科技有限公司
文档评论（0）