[发明专利]分类模型训练方法以及分类方法在审
| 申请号： | 201810167276.7 | 申请日： | 2018-02-28 |
| 公开（公告）号： | CN108399431A | 公开（公告）日： | 2018-08-14 |
| 发明（设计）人： | 孙源良;王亚松;刘萌;樊雨茂 | 申请（专利权）人： | 国信优易数据有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 梁香美 |
| 地址： | 100071 北京市丰台区南四*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供一种分类模型训练方法以及分类方法，训练方法包括捕捉源域数据的源域共有特征向量和目标域数据的目标域共有特征向量并输入第一分类器，得到源域数据的第一分类结果和目标域数据的第一分类结果；捕捉源域数据的源域差异特征向量和目标域数据的目标域差异特征向量并输入第二分类器，得到源域数据的第二分类结果和目标域数据的第二分类结果；基于源域数据的第一分类结果、目标域数据的第二分类结果、源域数据的第一分类结果与源域数据的第二分类结果，对神经网络、共有特征捕捉层、第一分类器进行本轮训练。该方法能够同时将源域数据和目标域数据的相同特征和差异特征利用起来，训练得到的分类模型能够对目标域数据进行更加准确的分类。 | ||
| 搜索关键词： | 源域 目标域 分类结果 差异特征 分类器 分类模型训练 特征向量 向量 分类 捕捉 分类模型 神经网络 捕捉层 申请 | ||
【主权项】：
1.一种分类模型训练方法，其特征在于，该方法包括：获取带有标签的源域数据以及不带标签的目标域数据；将所述源域数据以及所述目标域数据输入同一神经网络，为所述源域数据提取源域特征向量，并为所述目标域数据提取目标域特征向量；将所述源域特征向量和所述目标域特征向量输入共有特征捕捉层，并分别将捕捉的源域数据的源域共有特征向量和目标域数据的目标域共有特征向量输入第一分类器，得到源域数据的第一分类结果和目标域数据的第一分类结果；以及，将所述源域特征向量和所述目标域特征向量输入差异特征捕捉层，并分别将捕捉的源域数据的源域差异特征向量和目标域数据的目标域差异特征向量输入第二分类器，得到源域数据的第二分类结果和目标域数据的第二分类结果；基于所述目标域数据的第一分类结果与所述目标域数据的第二分类结果之间的比对结果，以及所述源域数据的第一分类结果与所述源域数据的第二分类结果之间的比对结果，对所述神经网络、所述共有特征捕捉层、以及所述第一分类器进行本轮训练；经过对所述神经网络、所述共有特征捕捉层、以及所述第一分类器进行多轮训练，得到分类模型。
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国信优易数据有限公司，未经国信优易数据有限公司许可，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/patent/201810167276.7/，转载请声明来源钻瓜专利网。
