|
|
钻瓜专利网为您找到相关结果 9393303个，建议您 升级VIP下载更多相关专利
- [发明专利]基于多源领域实例迁移的情感分类方法-CN201410032866.0有效
-
张倩;李海港;张勇
-
中国矿业大学
-
2014-01-23
-
2016-11-02
-
G06F17/30
- 本发明涉及一种基于多源领域实例迁移的情感分类方法,针对TrAdaBoost算法在迁移学习中可能出现的迁移效率降低的现象，引入多源学习，通过尝试从不同的源领域中迁移样本或是结合多个源领域的特点，使得迁移学习更加稳定且有效，给目标样本分配较多的初始权重，来缓解权重不匹配的问题，并且在每一步对数据进行重新采样来改善引用不平衡的现象；针对TrAdaBoost算法中出现的源领域权重过早收敛现象，加入了动态因子，改善权重熵由源样本向目标样本转移的问题本发明可以使得与目标领域相关性不大的源领域样本的权重不至于收敛过快，共同帮助学习目标任务，达到对所有源领域知识的充分利用。
- 基于领域实例迁移情感分类方法
- [发明专利]一种基于多源领域适应联合学习的跨领域文本情感分类方法-CN201910380979.2有效
-
赵传君
-
山西财经大学
-
2019-05-08
-
2022-12-30
-
G06F16/35
- 本发明针对跨领域文本情感分类任务提出了一种多源领域适应联合学习方法与系统。此框架可以同时学习和训练多个领域的神经网络，可以从不同方面引入更丰富的监督信息。多个领域的任务可以相互补充，从而更容易得到更一般化的表示模型。特别地，本发明设计的联合训练的损失函数包括四个部分：情感分类损失、参数迁移损失、领域融合损失和防止过拟合的正则项。情感分类损失包含了源领域任务和目标领域任务上的情感分类损失，软参数迁移的方法可以有效地迁移源领域的情感知识到目标领域中，而深度领域融合可以保证在学习过程中不同领域的边际分布尽可能地相似。因此多源领域适应联合学习神经网络能够在有限的数据条件下实现更好的特征表示和泛化能力。我们在中文和英文的多领域数据集上验证了提出的多源领域适应联合学习框架，实验结果表明本发明提出的方法在跨领域文本情感分类准确率上有很大提升。
- 一种基于领域适应联合学习文本情感分类方法
- [发明专利]一种无源域数据的无监督领域适应方法-CN202211600631.8在审
-
梅建萍;翁烨涛
-
浙江工业大学
-
2022-12-13
-
2023-06-06
-
G06N3/088
- 本发明涉及一种无源域数据的无监督领域适应方法，以有标签的源域样本训练模型，得到预训练好的源域模型；以源域模型初始化目标域模型；以源域模型的BN层存储的统计信息近似源域的特征分布，与目标域样本的特征分布显式对齐，最小化分布对齐损失，尽可能拉近源域和目标域特征分布空间；基于源域模型的分类器的预测对目标域样本的特征进行模糊聚类，以聚类隶属度作为目标域样本的软标签，计算软标签与模型分类器对目标域样本的预测之间的交叉熵损失，对目标域样本计算信息最大化损失；以所有损失函数共同训练目标域模型，实现无源域数据的无监督领域适应，纠正部分最初分类器分错的目标域样本，提高分类准确度。
- 一种无源数据监督领域适应方法
|
