跨域文本情绪分类模型的训练方法和分类方法

    公开(公告)号:CN114186063B

    公开(公告)日:2024-06-21

    申请号:CN202111522655.1

    申请日:2021-12-14

    摘要: 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法,训练方法包括:获取源域和目标域的文本数据,进行预处理得到词向量,并分为训练集和测试集;通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征;在损失函数的约束下,根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛;其中,根据互信息,构建第一神经网络模型的损失函数,并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练;根据测试集中的词向量,得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类,能够将其他领域的知识迁移到目标域来避免标注数据不足的问题,同时提高跨域文本情绪分类的准确性和可信度。

    跨域文本情绪分类模型的训练方法和分类方法

    公开(公告)号:CN114186063A

    公开(公告)日:2022-03-15

    申请号:CN202111522655.1

    申请日:2021-12-14

    摘要: 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法,训练方法包括:获取源域和目标域的文本数据,进行预处理得到词向量,并分为训练集和测试集;通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征;在损失函数的约束下,根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛;其中,根据互信息,构建第一神经网络模型的损失函数,并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练;根据测试集中的词向量,得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类,能够将其他领域的知识迁移到目标域来避免标注数据不足的问题,同时提高跨域文本情绪分类的准确性和可信度。

    多领域自适应模型的训练方法、系统、设备及存储介质

    公开(公告)号:CN114663725A

    公开(公告)日:2022-06-24

    申请号:CN202210278102.4

    申请日:2022-03-21

    摘要: 本发明提供一种多领域自适应模型的训练方法、系统、设备及存储介质,所述方法包括:获得源域数据和目标域数据,并根据域不同将目标域数据划分为若干个分组,每个分组包含一个域的目标域数据;将源域数据输入源域分类网络,将一组目标域数据输入目标域分类网络进行训练,根据训练结果更新增量卷积层的权重,其中,源域分类网络和目标域分类网络的权重共享;将增量卷积层的权重加载至源域分类网络和目标域分类网络;选择另一组目标域数据,进行迭代训练,直至目标域数据训练完毕,获得多领域自适应模型。解决了在传统自适应模型中,只能使用单源域到单目标域的问题。