[发明专利]多标签分类方法、装置、设备及计算机可读存储介质

权利要求书

1.一种多标签分类方法，其特征在于，包括：

获取待分类的目标文本；

提取所述目标文本的文本特征；

根据所述文本特征以及已训练的标签特征得到融合特征；

根据所述融合特征从预设标签中确定所述目标文本的目标分类标签。

2.根据权利要求1所述的多标签分类方法，其特征在于，所述提取所述目标文本的文本特征的步骤，包括：

将所述目标文本输入已训练的分类模型中的特征提取层，得到所述目标文本的文本特征；

所述根据所述融合特征从预设标签中确定所述目标文本的目标分类标签的步骤，包括：

将所述融合特征输入所述分类模型中的预测层，得到所述目标文本对应预设标签的分类概率；

根据所述分类概率从所述预设标签中确定目标文本的目标分类标签。

3.根据权利要求2所述的多标签分类方法，其特征在于，所述将所述目标文本输入已训练的分类模型中的特征提取层，得到所述目标文本的文本特征的步骤之前，所述方法还包括：

获取初始分类模型、初始标签特征、训练文本以及所述训练文本对应的真实标签；

根据所述初始分类模型、所述初始标签特征，确定所述训练文本对应预设标签的预测概率；

根据所述预测概率和所述真实标签确定所述初始分类模型的损失值；

根据所述损失值对所述初始分类模型和所述初始标签特征进行训练，得到已训练的分类模型和已训练的标签特征。

4.根据权利要求3所述的多标签分类方法，其特征在于，所述根据所述初始分类模型、所述初始标签特征，计算得到所述训练文本对应预设标签的预测概率的步骤，包括：

将所述训练文本输入所述初始分类模型中的初始特征提取层，得到所述训练文本的训练文本特征；

根据所述训练文本特征以及所述初始标签特征得到训练融合特征；

将所述训练融合特征输入所述初始分类模型中的初始预测层，得到所述训练文本对应预设标签的预测概率。

5.根据权利要求4所述的多标签分类方法，其特征在于，所述根据所述预测概率和所述真实标签确定所述初始分类模型的损失值的步骤，包括：

计算所述预测概率对应的预测向量以及所述真实标签对应的训练向量之间的交叉熵，得到第一损失值；

根据所述训练融合特征和所述初始标签特征之间的相似度，得到第二损失值；

计算所述第一损失值和所述第二损失值的和，得到所述初始分类模型的损失值。

6.根据权利要求5所述的多标签分类方法，其特征在于，所述根据所述训练融合特征和所述初始标签特征之间的相似度，得到第二损失值的步骤，包括：

计算所述真实标签对应的标签特征和所述训练融合特征之间的标签相似度，并将所述标签相似度中的最小值设定为第一相似度；

将所述预设标签中所述真实标签之外的标签设定为非真实标签，并计算所述非真实标签对应的标签特征和所述训练融合特征之间的非标签相似度；

将所述非标签相似度中的最大值设定为第二相似度；

根据所述第一相似度和所述第二相似度，得到第二损失值。

7.根据权利要求3所述的多标签分类方法，其特征在于，所述根据所述损失值对所述初始分类模型和所述初始标签特征进行训练，得到已训练的分类模型和已训练的标签特征的步骤，包括：

根据所述损失值对所述初始分类模型和所述初始标签特征进行更新，得到更新后的训练分类模型和训练标签特征；

根据所述训练分类模型、所述训练标签特征、所述训练文本以及所述真实标签，确定所述训练分类模型的损失值；

直至所述训练分类模型的损失值满足预设训练完成条件时，将所述训练分类模型设定为已训练的分类模型，并将所述训练标签特征设定为已训练的标签特征。