申请/专利权人:顺丰科技有限公司
申请日:2022-12-26
公开(公告)日:2024-06-28
公开(公告)号:CN118260415A
主分类号:G06F16/35
分类号:G06F16/35;G06F40/30;G06N3/047;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本申请涉及人工智能技术领域,公开了一种文本分类模型的训练方法、文本分类方法及相关设备。该训练方法包括:将样本文本序列与M个占位符进行拼接,得到样本输入序列,M为大于1的整数;由语义特征提取网络基于注意力机制对样本输入序列进行语义特征提取,得到样本语义特征序列;从样本语义特征序列中获取M个占位符对应的样本语义特征子序列;由分类层根据样本语义特征子序列进行分类,确定样本文本序列对应的预测文本类别;根据样本文本序列对应的预测文本类别和样本文本序列对应的标注文本类别,确定预测损失;根据预测损失反向调整文本分类模型的参数,直至达到训练结束条件。本申请可以大幅减少标注工作量而且保证文本分类准确度。
主权项:1.一种文本分类模型的训练方法,其特征在于,所述文本分类模型包括语义特征提取网络和分类层,所述方法包括:将样本文本序列与M个占位符进行拼接,得到样本输入序列,M为大于1的整数;由所述语义特征提取网络基于注意力机制对所述样本输入序列进行语义特征提取,得到样本语义特征序列;从所述样本语义特征序列中获取所述M个占位符对应的样本语义特征子序列;由所述分类层根据所述样本语义特征子序列进行分类,确定所述样本文本序列对应的预测文本类别;根据所述样本文本序列对应的预测文本类别和所述样本文本序列对应的标注文本类别,确定预测损失;根据所述预测损失反向调整所述文本分类模型的参数,直至达到训练结束条件。
全文数据:
权利要求:
百度查询: 顺丰科技有限公司 文本分类模型的训练方法、文本分类方法及相关设备
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。