申请/专利权人：平安国际智慧城市科技股份有限公司

申请日：2021-08-20

公开（公告）日：2024-04-16

公开（公告）号：CN113688239B

主分类号：G06F16/35

分类号：G06F16/35;G06F18/25;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.12.10#实质审查的生效;2021.11.23#公开

摘要：本发明涉及人工智能领域，揭露一种少样本下的文本分类方法，包括：判断文本分类模型对应的样本集中样本的数量是否小于预设阈值；当判断是时，计算样本集中每个样本的语义丰富度值，基于语义丰富度值确定样本集中每个样本对应的特征丢弃比例值；基于样本集及特征丢弃比例值对文本分类模型进行训练，得到训练好的文本分类模型；将待分类文本输入训练好的文本分类模型，得到文本分类结果。本发明还提供一种少样本下的文本分类装置、电子设备及存储介质。本发明提高了文本分类准确度，同时还涉及数字医疗领域。

主权项：1.一种少样本下的文本分类方法，其特征在于，所述方法包括：从预设数据库中获取文本分类模型对应的样本集，判断所述样本集中样本的数量是否小于预设阈值；当判断所述样本集中样本的数量小于预设阈值时，计算所述样本集中每个样本的语义丰富度值，基于所述语义丰富度值确定所述样本集中每个样本对应的特征丢弃比例值；基于所述样本集及所述特征丢弃比例值对所述文本分类模型进行训练，得到训练好的文本分类模型；解析用户基于客户端发出的文本分类请求，获取所述文本分类请求携带的待分类文本，将所述待分类文本输入所述训练好的文本分类模型，得到文本分类结果；其中，所述基于所述样本集及所述特征丢弃比例值对所述文本分类模型进行训练，得到训练好的文本分类模型，包括：将所述样本集中每个样本输入所述文本分类模型，基于所述特征丢弃比例值对对应的样本执行特征丢弃处理及文本分类预测，得到所述样本集中每个样本对应的预测文本类别；基于所述样本集中每个样本的标注信息确定所述样本集中每个样本对应的真实文本类别；通过最小化预测文本类别与真实文本类别之间的损失值确定所述文本分类模型的结构参数，得到训练好的文本分类模型；所述文本分类模型包括向量转换模块、特征提取模块及类别输出模块，所述将所述样本集中每个样本输入所述文本分类模型，基于所述特征丢弃比例值对对应的样本执行特征丢弃处理及文本分类预测，得到所述样本集中每个样本对应的预测文本类别，包括：随机生成和为预设数值的三个随机数，基于所述随机数及所述特征丢弃比例值确定所述向量转换模块对应的第一特征丢弃率、特征提取模块对应的第二特征丢弃率及类别输出模块对应的第三特征丢弃率；基于所述第一特征丢弃率将所述样本集中每个样本输入所述向量转换模块执行向量转换处理及维度特征丢弃处理，得到所述样本集中每个样本对应的第一特征矩阵；基于所述第二特征丢弃率将所述第一特征矩阵输入所述特征提取模块执行特征提取处理及层特征丢弃处理，得到所述样本集中每个样本对应的第二特征矩阵；基于所述第三特征丢弃率将所述第二特征矩阵输入所述类别输出模块执行神经元特征丢弃处理、特征融合处理及文本类别预测，得到所述样本集中每个样本对应的预测文本类别。

全文数据：

权利要求：

百度查询： 平安国际智慧城市科技股份有限公司 少样本下的文本分类方法、装置、电子设备及存储介质

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