[发明专利]多源跨领域的文本情感分类网络的训练方法

权利要求书

1.一种多源跨领域的文本情感分类网络的训练方法，其特征在于，所述多源跨领域的文本情感分类网络的训练方法包括：

将多个源域中的源域样本和目标域中的目标域样本分别输入多个特征提取网络得到多组与源域相关的源域私有特征和一组共享特征，所述源域样本带有情感标签，所述多个特征提取网络包括多个源域私有特征提取网络和一个共享特征提取网络，将多个源域中的源域样本分别输入多个源域私有特征提取网络得到多组与源域相关的源域私有特征；将多个源域中的源域样本和目标域中的目标域样本输入共享特征提取网络得到一组共享特征；

利用多组源域私有特征和所述一组共享特征训练初始鉴别网络得到域识别网络，利用源域拼接特征训练初始分类网络得到情感分类网络，其中，所述源域拼接特征是由源域私有特征和共享特征拼接后得到的，所述域识别网络能够识别源域样本属于哪个源域以及无法识别目标域样本属于哪个领域，所述多个源域以及一个目标域都是从多个领域中选取的；

将所述目标域样本输入所述多个源域私有特征提取网络得到多组第一私有特征；

将所述目标域样本输入目标域私有特征提取网络得到一组第二私有特征；

将所述多组第一私有特征输入所述域识别网络得到所述目标域样本和所述多个源域之间的关系系数；

将第一拼接特征输入所述情感分类网络得到多个候选第一标签，并根据所述多个候选第一标签和所述关系系数得到第一标签，所述第一拼接特征是由第一私有特征和共享特征拼接后得到的；

将第二拼接特征输入所述情感分类网络得到第二标签，所述第二拼接特征是由所述第二私有特征和共享特征拼接后得到的；

根据所述第一标签和所述第二标签的差异训练所述目标域私有特征提取网络得到目标域的文本情感分类网络。

2.如权利要求1所述的多源跨领域的文本情感分类网络的训练方法，其特征在于，利用多组源域私有特征和所述一组共享特征训练初始鉴别网络得到域识别网络，具体包括：

利用所述初始鉴别网络的第一损失值训练所述初始鉴别网络的域识别能力；

利用所述初始鉴别网络的第二损失值训练所述初始鉴别网络的对抗能力。

3.如权利要求2所述的多源跨领域的文本情感分类网络的训练方法，其特征在于，所述第一损失值的计算公式为：

Loss₁ = L（D（Z_s），A）+L（D（Z_p），A）

其中，Loss₁为第一损失值， L（D（Z_s），A）为目标域损失值，L（D（Z_p），A）为源域损失值，D（Z_s）为共享特征损失值，Z_s为共享特征，A为源域样本，D（Z_p）为源域私有特征损失值，Z_p为源域私有特征。

4.如权利要求2所述的多源跨领域的文本情感分类网络的训练方法，其特征在于，所述第二损失值的计算公式为：

Loss₂ = - L（D（Z_s），A）

其中，Loss₂为第二损失值，L（D（Z_s），A）为目标域损失值，D（Z_s）为共享特征损失值，Z_s为共享特征，A为源域样本。

5.如权利要求1所述的多源跨领域的文本情感分类网络的训练方法，其特征在于，在将多个源域中的源域样本和目标域中的目标域样本分别输入多个特征提取网络得到多组与源域相关的源域私有特征和一组共享特征之前，还包括：

将多个源域中的源域样本带有的情感标签转化为正向情感标签和负向情感标签。

6.如权利要求1所述的多源跨领域的文本情感分类网络的训练方法，其特征在于，在将多个源域中的源域样本和目标域中的目标域样本分别输入多个特征提取网络得到多组与源域相关的源域私有特征和一组共享特征之前，还包括：

将多个源域中的源域样本和目标域中的目标域样本的文本转化为词向量。