[发明专利]目标域分类器训练方法、样本识别方法、终端及存储介质

摘要

本发明公开了一种目标域分类器训练方法、样本识别方法、终端及存储介质，针对现有分类器创建方案代价高的问题，提供了目标域分类器训练方法，通过对训练数据进行至少两次迭代分类处理，同时根据每次迭代分类处理的分类结果对训练数据中各样例的数据分类权重向量进行调整。使得经历N次迭代分类处理后，各样例数据的分类权重向量能够达到契合目标域实际数据分布的效果。本发明还提供一种样本识别方法、终端及存储介质，利用目标域中源样例与待识别样例数据分布相同的特点，结合源域中大量已标记的辅助样例数据创建出属于目标域的分类器，并对目标域中未标记的样例进行分类，该方案对目标域中源样例的数量要求不高，易于实现且实现成本低廉。

主权项

1.一种目标域分类器训练方法，其特征在于，所述目标域分类器训练方法包括：对训练样例进行特征提取得到训练数据，所述训练数据包括来自源域的辅助样例数据和来自目标域的源样例数据；对所述训练数据进行多次迭代分类训练得到适用于对所述目标域中测试样例进行分类的分类器；所述迭代分类训练包括：获取所述训练数据中各样例数据的分类权重向量；根据各样例的分类权重向量对所述训练数据中的样例数据进行分类处理；根据分类结果对所述训练数据中各样例数据的分类权重向量进行调整。