公开(公告)号：CN112115264A

公开(公告)日：2020-12-22

申请号：CN202010959524.9

申请日：2020-09-14

Applicant: 中国科学院计算技术研究所苏州智能计算产业技术研究院

Inventor： 梁冬 ,  赵晓芳 ,  张程 ,  宋永浩 ,  王晓诗 ,  习健

IPC: G06F16/35 ,  G06N20/00

Abstract: 本发明揭示了一种面向数据分布变化的文本分类模型调整方法，能够根据数据分布情况的变化，先对在线文本数据流进行标签预测，而后通过相似度计算和价值筛选，分类进行人工标注，采用对抗的训练样本数据集分别迭代训练判别网络，动态地对已训练好的识别网络模型进行调整和更新，使得离线模型自适应在线系统数据特征发生变化的情况；同时针对完全手动标注样本困难的情况提供一种有效的半自动化标注数据方法，对于文本分类技术的实际应用效果具有积极作用。

公开(公告)号：CN112115265A

公开(公告)日：2020-12-22

申请号：CN202011021652.5

申请日：2020-09-25

Applicant: 中国科学院计算技术研究所苏州智能计算产业技术研究院

Inventor： 王晓诗 ,  赵晓芳 ,  史骁 ,  胡斌

IPC: G06F16/35 ,  G06N20/00

Abstract: 本发明揭示了一种文本分类中的小样本学习方法，以元学习与深度学习组合运用。具体先提出一种小样本学习数据集的提取方法，从原始分类数据集中构造出元学习数据集，而后构造文本分类的小样本学习模型，利用元学习数据集对组合模型进行训练，学习类别变化的情况下模型的泛化能力，学会不同元任务中的共性部分；利用这种学习机制所得模型，在面对新的小样本文本分类任务时，能通过对模型进行参数微调来快速完成小样本分类任务。应用本发明技术方案，较之于传统文本分类模型或深度学习的文本分类网络更快更准确。