[发明专利]基于生成式对抗网络实现文本分类数据集扩展方法在审

专利信息
申请号: 201810531534.5 申请日: 2018-05-29
公开(公告)号: CN108897769A 公开(公告)日: 2018-11-27
发明(设计)人: 崔晓晖;田斐菡;杨威;关景;曹佳敏;唐艺豪;李启琛 申请(专利权)人: 武汉大学
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 湖北武汉永嘉专利代理有限公司 42102 代理人: 唐万荣;李丹
地址: 430072 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于生成式对抗网络实现文本分类数据集扩展方法,该方法包括以下步骤:确定需要进行数据扩展的原始数据类别;对相应数据进行预处理,使用word2vec与TFIDF将数据表示成词向量矩阵的形式;使用生成式对抗网路生成扩展的矩阵向量,将原数据的矩阵向量与扩展的矩阵向量合并即实现对数据集的扩展。本发明方法通过扩展稀有类别的数据,有利于研究者对难以获得的数据集进行扩展,提高稀有类别数据的分类精度,方便科学研究。
搜索关键词: 数据集 矩阵向量 生成式 网络实现 文本分类 对抗 预处理 矩阵 类别数据 数据表示 数据扩展 原始数据 词向量 原数据 网路 科学研究 合并 分类
【主权项】:
1.一种基于生成式对抗网络实现文本分类数据集扩展方法,其特征在于,包括以下步骤:1)将文本数据集转化为词向量表示;获取待扩展的文本分类数据集,对数据集中的文本进行特征词提取,将特征词用特征向量表示,获取特征词的词向量矩阵;2)利用生成式对抗网络生成文本数据扩展数据集,将步骤1)获得的特征词词向量矩阵作为生成式对抗网络的输入,输出生成的文本数据,获得扩展数据集;2.1)将步骤1)得到的词向量矩阵作为生成式对抗网络的输入,经训练后输出设定数目的模拟数据,输出格式为词向量矩阵;2.2)将待扩展的文本分类数据与经数据扩展得到的扩展数据合并为新的数据,经过生成式对抗网络得到词向量表现形式的矩阵,即是模拟的该类别下的扩展数据,将原始数据与扩展数据合并,即能满足需要的数据量要求。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810531534.5/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top