[发明专利]一种基于特征迁移和自适应学习的人民调解案例分类系统及方法

摘要

本发明涉及一种基于特征迁移和自适应学习的人民调解案例分类系统及方法，本发明系统包括数据采集模块、特征提取模块、特征迁移模块、网络训练模块，系统结构简单，应用范围广；本发明方法包括构造字符向量表，辅助数据向量化处理，人民调解数据向量化处理，将向量化后的辅助数据输入到神经网络中，提取辅助数据特征，将提取的辅助数据通用特征迁移到新的神经网络中，向量化后的人民调解数据输入到此神经网络中，训练分类模型。本发明方法可以有效的对所有文本进行转换，不会忽略低频词，维度下降明显，训练速度快，便于后续的在线迭代优化；同时解决了人民调解领域与辅助领域之间的差异性，满足了特定领域的个性化需求。

主权项

1.一种基于特征迁移和自适应学习的人民调解案例分类方法，其特征在于包括如下步骤：(1)收集人民调解数据与辅助数据，并对人民调解数据和辅助数据进行预处理得到辅助数据集A、人民调解数据集B；(2)构造字符向量表，对辅助数据进行向量化处理，将向量化后的辅助数据输入到卷积神经网络中，提取辅助数据特征；同时对卷积神经网络重新训练获得辅助领域模型，并将辅助领域模型的网络结构图保存为.meta文件，网络参数保存为.checkpoint文件；(3)利用迁移学习技术将提取的辅助数据特征迁移到新的神经网络中；其中，该新神经网络为基于辅助领域模型的网络图重建的神经网络，并在该新神经网络中决定自适应层；(4)对人民调解数据进行向量化处理，将向量化后的人民调解数据输入到步骤(3)得到的卷积神经网络中，提取人民调解数据特定的特征，并训练分类器模型，得到并保存最终的人民调解分类模型；采用该人民调解分类模型对人民调解案例进行分类。