买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于门控机制的自适应稀疏采样文本分类仪，用于对文本数据进行分类，由文本数据采集器、数据库、文本分类识别仪、分类结果显示仪等几部分构成。其中文本分类识别仪，包括数据预处理模块、参数寻优模块、稀疏采样模块、门控自适应分类模块以及集成模块。本发明为了克服现有文本分类算法灵活性差、无法依据输入自适应调整难度以及无法有效识别文本的不足，通过各个稀疏采样模块对给定文本进行错位采样，并通过结合高灵活性的自适应分类模块和高鲁棒性的集成模块，实现了对文本数据的快速、高效且稳定的分类识别。

主权项：1.一种基于门控机制的自适应稀疏采样文本分类仪，由文本数据采集器、数据库、文本分类识别仪、分类结果显示仪几部分构成；所述文本采集器负责在海量文本数据中采集符合要求的文本，其与数据库相连；数据库与文本分类识别仪、分类结果显示仪依次连接，能够通过文本分类数据实现文本分类；其特征在于：所述文本分类识别仪，包括数据预处理模块、参数寻优模块、稀疏采样模块、门控自适应分类模块以及集成模块；所述数据预处理模块与参数寻优模块相连，将文本分类数据作为输入，将经过处理后的输出文本数据作为参数寻优模块的输入；所述参数寻优模块与对应稀疏采样模块连接，引入错位采样以提升分类速度；所述稀疏采样模块与对应门控自适应分类模块相连，根据任务难度动态调整分类结构深度；各门控自适应分类模块均和同一个集成模块相连，集成模块将各个门控自适应分类模块的分类结果进行集成推理，输出最终结果；所述稀疏采样模块，用于引入错位采样以提升分类速度；1将文本数据作为输入，先将text剔除高频停用词，以此来减少剩余模块可能产生的噪音；2将剔除高频停用词后的text依次与每个类别的Keywordsi＝{word1,word2,…,wordm}进行比对，获取其置信度最高前m个可能所属类别，关键词中心向量κi＝{k1i,k2i,…,kni}，其中kji为第i个类别中置信度排名为j的中心程度；3将所属类别为i的κi依照参数寻优算法模块所获得参数向量κi，引入稀疏采样模块，对每个类别关键词中心向量进行随机抽取，得到新的经过随机抽取的整体关键词中心向量κ＝{k1,k2,...,kn},其中ki为从各类别按置信度随机均匀抽取的中心词的中心程度，CenterWord＝{centerword1,centerword2,...,centerwordn}是对应整体关键词中心向量的关键词词表,其中centerwordi为ki对应的单词；4由关键词词表CebterWord和整体关键词中心向量k对输入进行稀疏采样，遍历关键词词表CenterWord，依据centerwordi对应中心词的中心程度ki决定稀疏采样的长度范围si，得到对应关键词词表的采样长度表S＝{s1,s2,…,sn}；并通过采样长度表对分别进行采样，得到TEXT＝{text′1,text′2,…,text′n}，其中TEXT为采样后的文本集合，text′i为第i个位置关键词对原text采样后的文本；5将采样后的文本集合TEXT进行词嵌入处理，词嵌入是一种词的类型表示，具有相似意义的词具有相似的表示，是将词汇映射到实数向量的方法总称；采用GloVe词向量方法，输入为TEXT中的单个文本数据经过该方法处理后得到编码后的文本词嵌入向量embedding＝{X1,X2,...,Xn}，其中X为维度为300维的词向量，embedding为构成该文本的词按顺序级联成的词向量矩阵；将embedding作为后续门控自适应分类模块的输入，总计有n个输入对应n个门控自适应分类模块。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于门控机制的自适应稀疏采样文本分类仪