公开(公告)号：CN111460157A

公开(公告)日：2020-07-28

申请号：CN202010249666.6

申请日：2020-04-01

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  李嘉辉 ,  邓来胜 ,  王滨生 ,  李紫玉 ,  赵楠 ,  李双庆

IPC: G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 用于多领域文本分类的循环卷积多任务学习方法，属于多领域文本分类技术领域，本发明为了解决传统文本分类的手工注释非常昂贵和耗时，并且容易导致文本的特征被文本末尾的单词所主导，丢失很多关键的信息的问题。步骤a，建立MTL-LC循环卷积多任务学习模型；步骤b，数据采集；步骤c，词嵌入；步骤d，特征提取；步骤e，情感分类；将每一个任务的特征表示分别输入到特定任务的Softmax分类器中，进行情感分类，利用Softmax函数计算任务样本的每一个情感类别的概率，概率高的类别则为预测的类别，完成分类。本发明的用于多领域文本分类的循环卷积多任务学习方法优于单任务深度学习模型和先进的多任务学习模型，能够有效的对多领域文本的情感进行分类。

公开(公告)号：CN111460157B

公开(公告)日：2023-03-28

申请号：CN202010249666.6

申请日：2020-04-01

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  李嘉辉 ,  邓来胜 ,  王滨生 ,  李紫玉 ,  赵楠 ,  李双庆

IPC: G06F16/35 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 用于多领域文本分类的循环卷积多任务学习方法，属于多领域文本分类技术领域，本发明为了解决传统文本分类的手工注释非常昂贵和耗时，并且容易导致文本的特征被文本末尾的单词所主导，丢失很多关键的信息的问题。步骤a，建立MTL‑LC循环卷积多任务学习模型；步骤b，数据采集；步骤c，词嵌入；步骤d，特征提取；步骤e，情感分类；将每一个任务的特征表示分别输入到特定任务的Softmax分类器中，进行情感分类，利用Softmax函数计算任务样本的每一个情感类别的概率，概率高的类别则为预测的类别，完成分类。本发明的用于多领域文本分类的循环卷积多任务学习方法优于单任务深度学习模型和先进的多任务学习模型，能够有效的对多领域文本的情感进行分类。