[发明专利]一种基于众包反馈和主动学习的文本分类模型优化方法在审
| 申请号： | 201710205306.4 | 申请日： | 2017-03-31 |
| 公开（公告）号： | CN107169001A | 公开（公告）日： | 2017-09-15 |
| 发明（设计）人： | 杨静;陈博闻;江雨 | 申请（专利权）人： | 华东师范大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海麦其知识产权代理事务所(普通合伙)31257 | 代理人： | 董红曼 |
| 地址： | 200062 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于众包反馈和主动学习的文本分类模型优化方法，包括选取文本数据集，将文本数据集分为初始训练集和剩余数据集；从文本数据集中获得词；构建文本数据集的特征集，向量化文本数据集；在分类模型上引入主动学习，预测已向量化的文本数据集的情感极性，结合众包反馈信息优化模型获得文本分类结果。本发明利用众包收集人工标注理由，获取更多用户信息，挖掘人的主观感受，并以更改权重的方式将众包反馈信息融入模型中，优化文本分类模型，从而提升模型分类性能。本发明还引入主动学习算法，挑选最有价值的标注样本交由众包平台进行标注，从而降低标注成本，在有限的预算下，提高标注准确率，解决缺少含标签数据的文本分类任务的难题。 | ||
| 搜索关键词： | 一种 基于 反馈 主动 学习 文本 分类 模型 优化 方法 | ||
【主权项】：
一种基于众包反馈和主动学习的文本分类模型优化方法，其特征在于，包括以下步骤：步骤一：选取文本数据集，将文本数据集分为初始训练集和剩余数据集；步骤二：对所述文本数据集进行预处理，从中获得词；步骤三：以每个词为特征，构建所述文本数据集的特征集，并计算特征对应的权重值以向量化所述文本数据集；步骤四：在分类模型上引入主动学习，对已向量化的所述文本数据集进行情感极性预测，并且结合众包反馈信息优化模型，获得优化的文本分类结果。
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东师范大学，未经华东师范大学许可，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/201710205306.4/，转载请声明来源钻瓜专利网。
- 上一篇：静态资源发布方法及装置
- 下一篇：一种基于脸识别的个性化界面推送方法及装置
