[发明专利]分类神经网络的训练方法、文本分类方法、装置及设备

权利要求书

1.一种分类神经网络的训练方法，其特征在于，包括基于以下步骤训练目标神经网络：

获取样本文本数据的回归结果，所述回归结果基于预先构建的第一目标神经网络确定，用于表征所述样本文本数据的分类趋势；

将所述样本文本数据和对应的回归结果输入至第二目标神经网络；

根据所述第二目标神经网络获得每个所述样本文本数据的预测分类结果；

根据每个所述样本文本数据的预测分类结果与对应类别真实值的差异对所述第二目标卷积神经网络的参数进行调整；

在网络损失的变化满足收敛条件后，得到完成训练的第二目标神经网络；

所述将所述样本文本数据和对应的回归结果输入至第二目标神经网络，包括：

将所述样本文本数据输入至第二目标神经网络，得到样本文本向量；

将所述样本文件数据对应的回归结果作为所述样本文本向量的新增维度，与所述样本文本向量进行拼接，生成新的样本文本向量；

所述根据所述第二目标神经网络获得每个所述样本文本数据的预测分类结果，包括：

基于所述新的样本文本向量，根据所述第二目标神经网络获得每个所述样本文本数据的预测分类结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述样本文本数据和对应的回归结果输入至第二目标神经网络，包括：

确定对应回归结果为目标回归结果的第一样本文本数据；

增大所述第一样本文本数据在训练过程中的权重，以增加所述第一样本文本数据的损失对整体损失的影响；

所述根据所述第二目标神经网络获得每个所述样本文本数据的预测分类结果，包括：

基于增大所述第一样本文本数据权重后的样本文本数据，根据所述第二目标神经网络获得每个所述样本文本数据的预测分类结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括基于以下步骤训练所述第一目标神经网络：

将所述样本文本数据输入至所述第一目标神经网络，所述样本数据标注有回归结果的真实值；

根据所述第一目标神经网络得到所述样本文本数据的回归结果；

根据所述回归结果与所述回归结果的真实值的差异，对所述第一目标神经网络的参数进行调整；

在网络损失函数的变化满足收敛条件后，得到完成训练的第一目标神经网络。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括基于以下步骤训练所述第一目标神经网络：

将所述样本文本数据输入至所述第一目标神经网络，所述样本文本数据标注有类别的真实值和回归结果的真实值；

通过所述第一目标神经网络中的核心网络对所述样本文本数据进行特征提取，得到特征提取结果；

将所述特征提取结果分别输入分类网络分支和回归网络分支；

通过所述分类网络分支预测所述样本文本数据的中间分类结果，以及通过所述回归网络分支预测所述样本文本数据的回归结果；

根据所述中间分类结果与所述类别的真实值的第一差异对所述分类网络分支以及所述核心网络的参数进行调整；

根据所述回归结果与所述回归结果的真实值的第二差异，对所述回归网络分支以及所述核心网络的参数进行调整；

在所述分类网络分支的网络损失以及所述回归网络分支的网络损失的变化满足收敛条件后，得到完成训练的第一目标神经网络。

5.一种文本分类方法，其特征在于，包括：

将待分类文本数据输入第一目标神经网络，得到所述待分类文本数据的回归结果；

将所述待分类文本数据和所述回归结果输入所述第二目标神经网络，得到所述待分类文本数据的目标分类结果；

所述将所述待分类文本数据和所述回归结果输入所述第二目标神经网络，包括：

将所述样本文本数据输入至第二目标神经网络，得到样本文本向量；

将所述样本文件数据对应的回归结果作为所述样本文本向量的新增维度，与所述样本文本向量进行拼接，生成新的样本文本向量。