申请/专利权人：佛山市时爱网络科技有限公司

申请日：2020-12-30

公开（公告）日：2021-04-27

公开（公告）号：CN112712120A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06Q10/06(20120101);G06Q50/18(20120101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.05.14#实质审查的生效;2021.04.27#公开

摘要：本申请公开了一种基于权重的特征表达的用于纠纷处置分类的分类器的训练方法，其包括：获得纠纷数据集，其分为多个大类且每个大类包含用于表示大类指标的多个小类；将每个小类的多项纠纷数据转换为特征向量并进行一维卷积以获得小类纠纷特征向量；将该小类纠纷特征向量按照大类分组并融合以获得多个大类纠纷特征向量；将该多个大类纠纷特征向量进行一维卷积并以Sigmoid函数激活以获得多个大类纠纷加权系数；以该多个大类纠纷加权系数对该多个大类纠纷特征向量进行加权以获得纠纷分类特征向量；将该纠纷分类特征向量作为对应的案件文本特征向量的标签数据通过分类器进行分类以获得分类损失函数值；以及，基于该分类损失函数值更新该分类器的参数。

主权项：1.一种基于权重的特征表达的用于纠纷处置分类的分类器的训练方法，其特征在于，包括：获得纠纷数据集，所述纠纷数据集分为多个大类，且每个大类包含用于表示大类指标的多个小类，且每个小类包含基于处置单位的多项纠纷数据；将每个小类的多项纠纷数据转换为特征向量并进行一维卷积以获得小类纠纷特征向量；将所述小类纠纷特征向量按照大类进行分组并融合以获得多个大类纠纷特征向量；将所述多个大类纠纷特征向量进行一维卷积并以Sigmoid函数激活以获得多个大类纠纷加权系数；以所述多个大类纠纷加权系数对所述多个大类纠纷特征向量进行加权以获得纠纷分类特征向量；将所述纠纷分类特征向量作为对应的案件文本特征向量的标签数据通过分类器进行分类以获得分类损失函数值，所述分类器包含深度神经网络和预定分类函数，且所述预定分类函数以所述处置单位为标签；以及基于所述分类损失函数值更新所述分类器的参数。

全文数据：

权利要求：

百度查询： 佛山市时爱网络科技有限公司 用于纠纷处置分类的分类器的训练方法

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