[发明专利]一种跨领域知识迁移的标签嵌入方法和装置

权利要求书

1.一种跨领域知识迁移的标签嵌入方法，其特征在于，包括以下步骤：

获取源域和目标域的文本数据，对源域和目标域的文本数据进行分词处理和模型表征，求解源域和目标域中关键词的词向量参数，并进行从源域到目标域的关键词标签的迁移；

以源域和目标域中的关键词的词向量参数为基础构建随机抽取向量组，根据随机抽取的关键词的词向量参数间的余弦值作为分支依据，构建随机森林；

采用随机森林最近邻方法获取源域与目标域中已标注的关键词的最近邻，将已标注的关键词的关键词标签赋权给最近邻的关键词，得到扩展后的关键词标签；

根据抽取的用户级的文本数据，进行用户级关键词标签的标注；

以关键词的词向量参数和用户级关键词标签为基础，根据用户的点击和/或访问数据信息，动态优化用户级关键词标签部分的参数；

从目标域中获取新的用户级文本数据，进行用户级关键词标签的标注预测和排序，并输出结果。

2.根据权利要求1所述的跨领域知识迁移的标签嵌入方法，其特征在于，所述对源域和目标域的文本数据进行模型表征，求解源域和目标域中关键词的词向量参数，包括：

建立连接源域和目标域数据特征的综合似然损失函数，其中，所述综合似然损失函数由极大似然损失函数和共享正则函数构成；

采用kernel-based高斯核算法模型度量共享正则函数；

对极大似然损失函数进行转化；

采用异步随机梯度下降算法对综合似然损失函数进行迭代优化求解，得到源域和目标域中关键词的词向量参数。

3.根据权利要求2所述的跨领域知识迁移的标签嵌入方法，其特征在于，所述对极大似然损失函数进行转化，事先需要对源域和目标域中的关键词采用Huffman编码，编码后产生的路径节点的分支采用Logistic分类预测。

4.根据权利要求1所述的跨领域知识迁移的标签嵌入方法，其特征在于，所述采用随机森林最近邻方法获取源域与目标域中已标注的关键词的最近邻，将已标注的关键词的关键词标签赋权给最近邻的关键词，得到扩展后的关键词标签，包括：

搜索每棵树上具有关键词标签的关键词的最近邻关键词，并将已标注的关键词的关键词标签赋权给最近邻的关键词；

对所有树上具有相同关键词标签的关键词进行汇总和紧邻排序，得到扩展后的关键词标签及关键词标签所包含的关键词集合。

5.根据权利要求1所述的跨领域知识迁移的标签嵌入方法，其特征在于，所述以关键词的词向量参数和用户级关键词标签为基础，根据用户点击和/或访问的数据信息，动态优化用户级关键词标签部分的参数，包括：

以用户级关键词标签作为本步骤的一个输入源，以用户在线广告投放的点击反馈和广告或访问渠道的数据信息作为另一个输入源，将二者的概率分布进行联合，构建联合似然损失函数；

采用随机梯度下降算法对所述联合似然损失函数进行迭代优化求解，获得用户级关键词标签部分的参数。

6.根据权利要求5所述的跨领域知识迁移的标签嵌入方法，其特征在于，所述用户级关键词标签的标注服从多项分布，对应的关键词的词向量参数为其特征，所述用户在线广告投放的点击反馈服从二项分布，广告或访问渠道的数据信息为其对应的扩展特征。

7.一种应用权利要求1-6中任一项所述方法的跨领域知识迁移的标签嵌入装置，包括：

获取模块，用于获取源域和目标域的文本数据；

分词模块，用于对获取的源域和目标域的文本数据进行分词处理；

模型表征模块，用于求解源域和目标域中关键词的词向量参数；

迁移模块，用于根据得到的源域和目标域中关键词的词向量参数，将源域中的关键词标签迁移至目标域；

扩展模块，用于采用随机森林最近邻方法获取源域与目标域中已标注的关键词的最近邻，将已标注的关键词的关键词标签赋权给最近邻的关键词，得到扩展后的关键词标签；

标注模块，用于根据抽取的用户级的文本数据，进行用户级关键词标签的标注；

动态优化模块，用于以上述模块得到的关键词的词向量参数和用户级关键词标签为基础，根据用户的点击和/或访问数据信息，进行动态优化，调整用户级关键词标签的标注；

标注预测模块，用于从目标域中获取新的用户级文本数据，进行用户级关键词标签的标注预测和排序，并输出结果。