公开(公告)号：CN111949794B

公开(公告)日：2024-06-28

申请号：CN202010817161.5

申请日：2020-08-14

Applicant: 扬州大学

Inventor： 翟婷婷 ,  龚楷伦

IPC: G06F18/21 ,  G06F18/214 ,  G06N20/00 ,  G06F16/35

Abstract: 本发明公开了一种用于文本多分类任务的在线主动机器学习方法，包括以下步骤：1)在第t轮，接收到本轮的文档经特征提取后得到的特征向量xt；2)使用最新的多分类器Wt对xt进行预测，得到多分类预测结果#imgabs0#3)在线预测结束后，进入采样决策程序：判断是否获取xt的真实类标签yt；记Zt为采样决策变量，如果Zt＝1，则获取yt，得到完整的数据信息(xt，yt)；如果Zt＝0，则不获取yt，也不更新当前的多分类器，直接进入步骤5)；4)得到完整的数据信息(xt，yt)后，进入在线更新程序，更新当前的多分类器Wt，得到下一轮的多分类器Wt+1；5)回到步骤1)，进行第t+1轮的文本特征向量的提取；本发明在同等的类标签采样比例下，能取得更高的在线多分类准确率。

公开(公告)号：CN111949794A

公开(公告)日：2020-11-17

申请号：CN202010817161.5

申请日：2020-08-14

Applicant: 扬州大学

Inventor： 翟婷婷 ,  龚楷伦

IPC: G06F16/35 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种用于文本多分类任务的在线主动机器学习方法，包括以下步骤：1)在第t轮，接收到本轮的文档经特征提取后得到的特征向量xt；2)使用最新的多分类器Wt对xt进行预测，得到多分类预测结果3)在线预测结束后，进入采样决策程序：判断是否获取xt的真实类标签yt；记Zt为采样决策变量，如果Zt＝1，则获取yt，得到完整的数据信息(xt，yt)；如果Zt＝0，则不获取yt，也不更新当前的多分类器，直接进入步骤5)；4)得到完整的数据信息(xt，yt)后，进入在线更新程序，更新当前的多分类器Wt，得到下一轮的多分类器Wt+1；5)回到步骤1)，进行第t+1轮的文本特征向量的提取；本发明在同等的类标签采样比例下，能取得更高的在线多分类准确率。