申请/专利权人：平安科技(深圳)有限公司

申请日：2021-09-26

公开（公告）日：2024-06-21

公开（公告）号：CN113869398B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/21;G06N3/0464;G06N3/048;G06N3/045;G06N3/047;G06N3/094;G06F40/284;G06F40/242;G06F16/906;G06F16/35

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.01.21#实质审查的生效;2021.12.31#公开

摘要：本申请涉及人工智能技术领域，揭露了一种不平衡文本分类方法、装置、设备及存储介质，包括获取文本训练数据集；基于文本训练数据集，利用对比学习算法对特征提取器进行训练，得到特征提取模型；利用均衡算法对文本训练数据集进行均衡处理，得到均衡数据集；利用特征提取模型对均衡数据集中的各文本进行特征提取，得到特征向量；基于特征向量，对分类器进行训练，得到分类模型；获取待处理文本数据，待处理文本数据经特征提取模型和分类模型处理，得到对应的类别。本申请还涉及区块链技术待处理文本数据及其对应的类别数据存储于区块链中。本申请实现在不平衡的训练集下，训练得到的特征提取模型和分类模型还具有较优的文本分类准确率。

主权项：1.一种不平衡文本分类方法，其特征在于，所述方法包括：获取文本训练数据集，其中，在获取文本训练数据集之前，还包括：对每一文本数据进行数据增广，得到对应的增广数据，并将所述文本数据和增广数据存储至所述文本训练数据集中；基于所述文本训练数据集，利用对比学习算法对特征提取器进行训练，得到特征提取模型，其中，所述利用对比学习算法对特征提取器进行训练包括；基于所述增广数据，通过将对比学习算法结合到所述特征提取器中，使所述特征提取器得到的同源的所述增广数据对应的第一特征向量相互聚集，不同源的所述增广数据对应的第一特征向量相互远离；利用均衡算法对所述文本训练数据集进行均衡处理，得到均衡数据集，其中，所述利用均衡算法对所述文本训练数据集进行均衡处理包括：获取所述文本训练数据集中各类别及其对应的文本数据量；对各所述类别对应的文本数据量进行平均值计算，得到平均数据量；将各类别的文本数据量与所述平均数据量进行比较；若小于所述平均数据量，则将该类别对应的文本数据作为待增广的文本数据，并计算该类别对应的文本数据量与所述平均数据量的差值，得到增广数量；基于所述增广数量，采用合成少数类过采样算法或数据增广工具对所述待增广的文本数据进行增广；利用所述特征提取模型对所述均衡数据集中的各文本进行特征提取，得到对应的特征向量；基于所述特征向量，对分类器进行训练，以得到分类模型；获取待处理文本数据，所述待处理文本数据经所述特征提取模型处理，得到对应的待处理向量，所述待处理向量经所述分类模型处理，得到所述待处理文本数据对应的类别。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 一种不平衡文本分类方法、装置、设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD