[发明专利]基于多任务学习的分类模型构建方法及装置在审
| 申请号： | 201910721477.1 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110414624A | 公开（公告）日： | 2019-11-05 |
| 发明（设计）人： | 温劲;肖燕珊;刘波;曾博;李鹏程;冯俊耀;郝志峰 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 李伟 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于多任务学习的分类模型构建方法，包括：获取目标任务的训练数据组，以及与目标任务对应的各个关联任务的训练数据组；每个训练数据组包含关键特征数据集合及非关键特征数据集合；关键特征集合中包含该训练数据组所属任务的各个关键任务特征，非关键特征集合包含该训练数据组所述任务的各个非关键任务特征；依据目标任务的训练数据组及各个关联任务的训练数据组构建分类模型。应用本发明提供的基于多任务学习的分类模型构建方法，能够应用目标任务及关联任务的关键任务特征数据及非关键特征数据构建分类模型，提高训练样本的利用率，进而能有效的提升分类模型的分类准确率。 | ||
| 搜索关键词： | 训练数据组 分类模型 关键特征 构建 任务特征 任务学习 数据集合 关联 集合 分类准确率 获取目标 数据构建 训练样本 应用目标 应用 | ||
【主权项】：
1.一种基于多任务学习的分类模型构建方法，其特征在于，包括：当接收到对目标任务的分类模型构建指令时，获取与所述分类模型构建指令对应的训练数据集，所述训练数据集包含所述目标任务的训练数据组，以及与所述目标任务对应的各个关联任务的训练数据组；每个所述训练数据组包含关键特征数据集合及非关键特征数据集合；所述关键特征集合中包含该训练数据组所属任务的各个关键任务特征，所述非关键特征集合包含该训练数据组所述任务的各个非关键任务特征；确定与所述目标任务相对应的待训练分类模型函数；基于预先设置的约束条件及所述待训练分类模型函数，得到目标方程；应用拉格朗日乘法对所述目标方程进行计算，得到与所述目标方程对应的对偶方程；基于所述训练数据集对所述对偶方程进行求解，以得到所述目标任务对应的分类模型。
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广东工业大学，未经广东工业大学许可，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/201910721477.1/，转载请声明来源钻瓜专利网。
