[发明专利]一种多领域文本分类方法在审
| 申请号： | 201910948919.6 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110795410A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 吴海明;赵洪雅;蔡倩华;薛云;周波 | 申请（专利权）人： | 华南师范大学;深圳职业技术学院 |
| 主分类号： | G06F16/174 | 分类号： | G06F16/174;G06F16/35;G06F40/289;G06F40/205;G06N3/04;G06N3/08 |
| 代理公司： | 44425 广州骏思知识产权代理有限公司 | 代理人： | 吴静芝 |
| 地址： | 510006 广东省广州市番禺区*** | 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： | 本发明涉及一种多领域文本分类方法，通过结合共享和私有特征的特性，设计了一种共享‑私有LSTM网络，用于提取文本的共享和私有表示；该方法具有并行运算特点，具有很快的运行速度，且其提取特征时，可以充分考虑词语上下文信息，可以有效提高文本表示的准确性，从而有利于文本分类性能；另外，在针对多领域文本特点上，本案让共享参数和私有参数进行充分地交互式学习，可以有利于提高共享信息和私有信息的完全分离。 | ||
| 搜索关键词： | 领域文本 共享 交互式学习 上下文信息 并行运算 共享参数 共享信息 私有信息 提取特征 完全分离 文本表示 文本分类 词语 文本 分类 网络 | ||
【主权项】：
1.一种多领域文本分类方法，其特征在于，包括以下步骤：/n对多领域文本数据集进行预处理：通过分词并获取每个词语的分布式向量表示，得到所述多领域文本数据集中每个文本的标准化表示，将所述多领域文本数据集下每个领域的数据划分各自领域的训练集、开发集、测试集；/n通过初始化词语级门网络和句子级共享-私有门网络构建特征提取器，其中，所述词语级门网络用于学习每个词语的隐变量；所述句子级共享-私有门网络用于提取所有领域句子的共享表示和私有表示，所述句子级共享-私有门网络包括分别对应每个领域数据的私有门以及一组共享门；由所述特征提取器根据所述每个文本的标准化表示获得每个文本的共享表示和私有表示；/n由对抗神经网络根据所述每个文本的共享表示和私有表示获得所述特征提取器的优化参数，根据所述优化参数调整所述特征提取器；/n根据所述共享表示和私有表示构建损失函数作为多领域文本分类模型，根据所述训练集训练所述多领域文本分类模型，根据所述开发集对所述多领域文本分类模型的模型参数进行选择获得所述多领域文本分类模型的最优模型；/n运用所述多领域文本分类模型的最优模型对所述测试集进行分类预测。/n
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华南师范大学;深圳职业技术学院，未经华南师范大学;深圳职业技术学院许可，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/201910948919.6/，转载请声明来源钻瓜专利网。
