[发明专利]一种基于少样本的文本分类方法有效
| 申请号： | 202110370999.9 | 申请日： | 2021-04-07 |
| 公开（公告）号： | CN112765359B | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 刘世林;罗镇权;黄艳;曾途 | 申请（专利权）人： | 成都数联铭品科技有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F40/126;G06F40/58 |
| 代理公司： | 北京市领专知识产权代理有限公司 11590 | 代理人： | 张玲 |
| 地址： | 610015 四川省成都市自由贸易试*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 样本 文本 分类 方法 | ||
【权利要求书】：
1.一种基于少样本的文本分类方法，其特征在于：包括以下步骤：
步骤S1：使用z个翻译工具将数据集a中的每条数据分别翻译z次，以得到扩充后的数据集b；
步骤S2：使用预训练模型对扩充后的数据集b进行编码，得到向量集V；所述预训练模型为BERT预训练模型；分别使用每个翻译工具所对应的BERT预训练模型对各翻译工具翻译后对应的翻译数据进行编码；
步骤S3：将向量集V作为训练集x，将数据集a的标签作为训练集y，将所述训练集x和训练集y共同输入分类模型，对分类模型进行训练，直到得到收敛的分类模型；
步骤S4：将待分类文本输入收敛的分类模型，得到该待分类文本的分类结果。
2.根据权利要求1所述的一种基于少样本的文本分类方法，其特征在于：在步骤S1中，所述数据集a中包括m类数据，平均每类数据中包括n条数据；
使用z个翻译工具将数据集a中m*n条数据分别翻译z次后，得到翻译数据z*m*n条；扩充后的数据集b包括z*m*n条翻译数据和m*n条数据集a。
3.根据权利要求1所述的一种基于少样本的文本分类方法，其特征在于：所述数据集a和/或待分类文本为文本，包括新闻、文章、文字、作品、小说、通知。
4.根据权利要求1所述的一种基于少样本的文本分类方法，其特征在于：对所述训练集x和训练集y共同进行训练的分类模型为TextCNN文本分类模型。
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成都数联铭品科技有限公司，未经成都数联铭品科技有限公司许可，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/pat/books/202110370999.9/1.html，转载请声明来源钻瓜专利网。
