一种基于众包模式的多语种文本标注语料库搭建方法

摘要

本发明提供一种基于众包模式的多语种文本标注语料库搭建方法，属于智能信息处理技术领域。该方法包括以下步骤：第一，获取文本数据，接着对对所述文本数据进行分类、预处理；将预处理后的文本数据导入生语料库，构成生语料库。第二，对语料标注者进行测验，并根据其标注的质量进行评分；接着对生语料库进行标注。第三，经过专家审查，提供标注语料库。与现有技术相比，本发明的有益效果为：本发明的方法通过对语料进行一系列预处理，并对语料状态进行管理，减少垃圾信息的干扰，提高了语料库质量。