[发明专利]基于标签比例学习的迁移学习分类方法、系统及设备

权利要求书

1.一种基于标签比例学习的迁移学习分类方法，其特征在于，包括：

获取两个具有预设关联关系的标签比例数据集，并从中确定原任务对应的原任务数据集和目标任务对应的目标任务数据集；

利用预设训练算法对所述原任务数据集和所述目标任务数据集进行训练，并利用迁移学习将所述原任务对应的知识迁移至所述目标任务，构建得到所述目标任务对应的目标分类函数；

利用所述目标分类函数对待识别实例的标签进行预测；其中，所述待识别实例包括：文本、图像；

所述利用预设训练算法对所述原任务数据集和所述目标任务数据集进行训练，并利用迁移学习将所述原任务对应的知识迁移至所述目标任务，构建得到所述目标任务对应的目标分类函数，包括：

分别确定所述原任务数据集和所述目标任务数据集中包的个数以及包中正示例的比例；

基于所述个数和所述比例，利用SVR算法对所述原任务数据集和所述目标任务数据集进行训练，并将所述知识迁移至所述目标任务，构建得到所述目标分类函数。

2.根据权利要求1所述的迁移学习分类方法，其特征在于，所述从中确定原任务对应的原任务数据集和目标任务对应的目标任务数据集之后，还包括：

对所述原任务数据集和所述目标任务数据集进行滤波、去噪的预处理操作。

3.一种基于标签比例学习的迁移学习分类系统，其特征在于，包括：

数据获取模块，用于获取两个具有预设关联关系的标签比例数据集，并从中确定原任务对应的原任务数据集和目标任务对应的目标任务数据集；

函数构建模块，用于利用预设训练算法对所述原任务数据集和所述目标任务数据集进行训练，并利用迁移学习将所述原任务对应的知识迁移至所述目标任务，构建得到所述目标任务对应的目标分类函数；

标签预测模块，用于利用所述目标分类函数对待识别实例的标签进行预测；其中，所述待识别实例包括：文本、图像；

确定单元，用于分别确定所述原任务数据集和所述目标任务数据集中包的个数以及包中正示例的比例；

数据训练单元，用于基于所述个数和所述比例，利用SVR算法对所述原任务数据集和所述目标任务数据集进行训练，并将所述知识迁移至所述目标任务，构建得到所述目标分类函数。

4.根据权利要求3所述的迁移学习分类系统，其特征在于，还包括：

数据预处理模块，用于在从所述标签比例数据集中确定原任务对应的原任务数据集和目标任务对应的目标任务数据集之后，对所述原任务数据集和所述目标任务数据集进行滤波、去噪的预处理操作。

5.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述基于标签比例学习的迁移学习分类方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述基于标签比例学习的迁移学习分类方法的步骤。