[发明专利]一种基于小样本学习的badcase发现方法及系统

权利要求书

1.一种基于小样本学习的badcase发现方法，其特征在于：包括如下步骤：

S1:数据预处理，从已标注训练语料中随机获取多个小样本，并将样本分为支持集和目标集；

S2：模型预训练，将样本输入基础模型与两种注意力机制的结合，训练得到badcase发现模型；

S3：预测数据组装，根据线上预测结果语义，从已标注训练语料中获取线上预测结果语义下的小样本，并与待预测句子组成预测数据；

S4：数据预测，将预测数据输入badcase发现模型，预测得到待预测句子的预测语义，对比预测语义和线上预测结果语义，判断待预测句子是否为badcase。

2.根据权利要求1所述的基于小样本学习的badcase发现方法，其特征在于：所述的小样本采用N-way K-shot的数据形式，N表示每个小训练批次包括的语义个数，K表示每个语义下的训练样本个数。

3.根据权利要求1所述的基于小样本学习的badcase发现方法，其特征在于：所述的基础模型为原型网络Prototypical Networks或Siamese Network，所述的两种注意力机制为实例级注意力机制和特征级注意力机制。

4.根据权利要求3所述的基于小样本学习的badcase发现方法，其特征在于：所述的模型预训练具体包括:

S201:将支持集和目标集分别输入基础网络；

S202：支持集和目标集的样本各自经过encoder模块的编码，得到统一维度的向量，目标集产出向量为X；

S203：支持集内各个样本的向量分别计算特征级注意力F并经过权重求和得到输出每个支持集的向量Zi；

S204：支持集内各个样本的向量分别与目标集的向量X一起计算实例级注意力I并经过权重求和得到每个支持集的输出向量Ci；

S205：进行距离度量计算，得到和目标集向量X最接近的支持集；

S206：根据最接近的支持集与目标集的真实标签进行损失函数计算，更新模型参数；

S207：迭代循环，直到损失函数值趋于稳定，得到badcase发现模型。

5.根据权利要求4所述的基于小样本学习的badcase发现方法，其特征在于：所述的距离度量计算采用距离度量公式di=Zi*[Ci-x]²进行计算。

6.根据权利要求1所述的基于小样本学习的badcase发现方法，其特征在于：所述的预测数据包括支持集和目标集，支持集为从已标注训练语料中获取的线上预测结果语义下的小样本，目标集为待预测句子。

7.根据权利要求6所述的基于小样本学习的badcase发现方法，其特征在于：所述的预测数据的支持集来自三个方向，分别为以词为单位，与分词后的预测句子重合频次最多的样本、主动学习样本或随机样本。

8.根据权利要求1所述的基于小样本学习的badcase发现方法，其特征在于：所述的判断待预测句子是否为badcase的依据为：当预测语义和线上预测结果语义不一致时，则待预测句子为badcase。

9.基于权利要求1-8中任意一项所述的基于小样本学习的badcase发现方法的系统，其特征在于：包括训练数据处理单元、模型训练单元、待预测数据组装单元和数据预测单元，所述的训练数据处理单元从已标注训练预料中随机获取多个小样本，并将样本分为支持集和目标集；所述的模型训练单元将样本输入基础模型与两种注意力机制的结合，训练得到badcase发现模型；所述的待预测数据组装单元根据线上预测结果语义，从已标注训练语料中获取线上预测结果语义下的小样本，并与待预测句子组成预测数据；所述的数据预测单元将预测数据输入badcase发现模型，预测得到待预测句子的预测语义，对比预测语义和线上预测结果语义，判断待预测句子是否为badcase。