龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-05-24
公开（公告）日：2024-06-21
公开（公告）号：CN118228142A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/213;G06F18/22;G06N3/0495
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于特征校正的结构化数据新类别识别方法及装置，包括：获取有标注样本集和无标注样本集，将每一个样本输入表征编码器，得到样本表征；根据神经网络坍缩现象，生成预分配的单纯形等角紧凑结构作为目标化最优分类头；为无标注样本集中的样本生成初步伪标签，对初步伪标签进行细粒度修正，得到硬标签；基于目标化最优分类头和样本标签，对样本表征进行校正；根据校正后的样本表征和对应的标签，进行基于损失大小关系的标签过滤；使用过滤后的标签及其对应的样本进行半监督训练，更新表征编码器参数；所述半监督模型包括训练好的表征编码器和目标化最优分类头，用于新类样本识别。本发明大幅度提升结构化数据新类别识别准确率。
主权项：1.一种基于特征校正的结构化数据新类别识别方法，其特征在于，包括：获取有标注样本集和无标注样本集，将每一个样本输入表征编码器，得到样本表征；所述有标注样本集和无标注样本集中的数据为结构化数据；根据神经网络坍缩现象，生成预分配的单纯形等角紧凑结构作为固定的目标化最优分类头；通过求解最优传输的分配问题为所述无标注样本集中的样本生成初步伪标签，通过辅助分类头对初步伪标签进行细粒度修正，得到硬标签；其中标签对应样本的类别；基于所述目标化最优分类头和样本标签，对所述样本表征进行校正；根据校正后的样本表征和对应的标签，进行基于损失大小关系的标签过滤；使用过滤后的标签及其对应的样本进行半监督训练，更新表征编码器参数；所述半监督模型包括训练好的表征编码器和目标化最优分类头；所述半监督模型用于新类样本识别。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于特征校正的结构化数据新类别识别方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号