申请/专利权人：北京工业大学

申请日：2022-03-14

公开（公告）日：2024-03-22

公开（公告）号：CN114969321B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/216

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：基于多权重自训练模型得环境类投诉举报文本分类方法，属于人工智能技术领域。具体包括以下步骤：首先使用基于HowNet语料库的相似度计算方法赋予每个无标签数据第一权重；然后使用自训练的方法为每个无标签数据添加第二权重；接着通过权重融合和阈值筛选为每个无标签数据赋予伪标签并利用其参与训练。最后使用训练好的分类器进行投诉举报文本分类。本文所使用的基于多权重自训练模型的环境类投诉举报文本分类方法，在解决投诉举报少样本分类的问题上取得显著效果。

主权项：1.一种基于多权重自训练的环境类投诉举报文本分类方法，其特征在于，具体步骤如下：步骤1原始数据收集；步骤2从全部有标签数据集中为每个类随机抽取η个样本，作为目标集；步骤3将目标集和无标签数据集中XU中的所有文本数据进行分词和去停用词处理，最后得到各个集合的词集；步骤4使用基于HowNet语料库和jaccard距离计算每个无标签数据和目标集中每个样本的相似度；步骤5计算每个无标签数据相对于每个类的平均相似度，将得到的相似度经过权重筛选和归一化作为该无标签文本相对于每个类的第一权重；步骤6使用全部的有标签数据训练教师分类器，然后使用训练好的教师模型为每个无标签样本计算其相对于每个类的权重,该权重即为无标签样本的第二权重；步骤7然后将每个无标签样本的第一权重和第二权重进行叠加，并再次对叠加后的权重进行归一化得到最终权重；步骤8对最大权重超过阈值的无标签文本添加相应的伪标签；将添加伪标签的样本添加到有标签数据集中，并从无标签数据集中剔除；步骤9用更新后的有标签数据集训练一个学生模型；步骤10重复步骤6到步骤9操作，直到全部无标签数据全部添加伪标签或程序运行完指定循环次数；将最后得到的分类器作为自训练模型的输出；其中，所述的原始数据是环境类投诉举报文本数据。

全文数据：

权利要求：

百度查询： 北京工业大学 基于多权重自训练的环境类投诉举报文本分类方法

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