公开(公告)号：CN116775869A

公开(公告)日：2023-09-19

申请号：CN202310689085.8

申请日：2023-06-12

申请人： 北京理工大学

发明人： 张华平 ,  谌立凤 ,  岳远

IPC分类号： G06F16/35 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/241

摘要： 本发明涉及一种基于可解释模型的文本持续分类方法，包括文本分类、可持续学习、可解释学习、经验回放等多方面技术，属于自然处理技术领域。本发明包括两大部分。第一部分是自解释的文本分类模型，输入样本，输出对应样本的预测类别和可解释词；第二部分为特征池，用以存储自解释模型输出的可解释特征，作为回放的旧任务特征。这里自解释的文本分类模型具体为融合短语结构知识的自解释模型，包含三层，第一层输入层，通过编码器得到文本表示，并进一步得到输入样本对应的短语结构知识。第二层为短语结构知识进一步融合的解释层，第三层为线性层，将解释层的输出映射到类别向量空间，得到预测类别标签和样本的解释。

公开(公告)号：CN118779443A

公开(公告)日：2024-10-15

申请号：CN202410159540.8

申请日：2024-02-04

申请人： 北京理工大学

发明人： 张华平 ,  岳远 ,  商建云

IPC分类号： G06F16/34 ,  G06F16/35 ,  G06F16/33 ,  G06F40/216 ,  G06F40/247 ,  G06F40/237 ,  G06F40/58 ,  G06N5/025 ,  G06N3/045

摘要： 一种基于mT5和词频信息熵的多语共同关注主题检测方法，属于社交媒体信息挖掘技术领域。本方法采用多语言词频信息熵的统计方法，充分考虑共同关注的话题在多语言中分布较为平均的特点，实现不同文化所共同关注的主题词提取；使用mBERT进行同义词聚合，在构建词表过程中实现了冗余词汇的识别，降低输出词汇的冗余程度；通过改进BERTopic中主题词提取算法，使用微调后的mT5对单文档进行主题词的提取，由传统的单语言主题检测改进到多语言的模式，在一定程度上避免潜在价值主题词遗漏的问题。本发明适用于社交媒体信息挖掘技术领域，提高共同关注主题的检测识别能力，并提升主题词的输出质量。