[發明專利]分類模型的融合方法、裝置及存儲介質

有效

• 申請號: 202010113360.8
• 申請日: 2020-02-24
• 公開（公告）號: CN111275133B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 路澤;肖萬鵬;鞠奇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/764;G06V10/82;G06N3/084
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種文本分類模型的融合方法，其特征在于，所述方法包括：

通過第一文本分類模型對第二訓練樣本進行第一類別的分類預測，得到對應所述第二訓練樣本的第一分類結果；其中，所述第一文本分類模型基于標注有第一標簽的第一訓練樣本訓練得到，所述第一標簽對應所述第一類別，所述第一訓練樣本所標注的所述第一標簽的類型包括醫學領域、文學領域和經濟學領域；

通過第二文本分類模型對所述第一訓練樣本進行第二類別的分類預測，得到對應所述第一訓練樣本的第二分類結果；其中，所述第二文本分類模型基于標注有第二標簽的第二訓練樣本訓練得到，所述第二標簽對應所述第二類別，所述第二訓練樣本所標注的所述第二標簽的類型包括出版物、網絡刊物、電子文庫和報刊；

以所述第一分類結果作為所述第二訓練樣本的第三標簽，對所述第二訓練樣本進行標注，并以所述第二分類結果作為所述第一訓練樣本的第四標簽，對所述第一訓練樣本進行標注；

基于標注有所述第一標簽及所述第四標簽的所述第一訓練樣本，及標注有所述第二標簽及所述第三標簽的所述第二訓練樣本，訓練第一融合文本分類模型，使得所述第一融合文本分類模型能夠基于輸入的待分類對象，進行所述第一類別和所述第二類別的分類預測，得到相應的分類結果。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

通過第三文本分類模型對組合訓練樣本進行第三類別的分類預測，得到對應所述組合訓練樣本的第三分類結果；其中，所述第三文本分類模型基于標注有所述第三類別的分類標簽的第三訓練樣本訓練得到，所述組合訓練樣本用于訓練所述第一融合文本分類模型，包括標注有所述第一標簽及所述第四標簽的第一訓練樣本、和標注有所述第二標簽及所述第三標簽的第二訓練樣本；

通過所述第一融合文本分類模型對第三訓練樣本進行所述第一類別和第二類別的分類預測，得到對應所述第三訓練樣本的第一類別和第二類別的分類結果；

以所述第三分類結果作為所述組合訓練樣本的第五標簽，對所述組合訓練樣本進行標注，并以對應所述第三訓練樣本的第一類別和第二類別的分類結果作為所述第三訓練樣本的第六標簽，對所述第三訓練樣本進行標注；

基于標注有所述第五標簽的所述組合訓練樣本、及標注有所述第三類別的分類標簽及所述第六標簽的所述第三訓練樣本，訓練第二融合文本分類模型，使得所述第二融合文本分類模型能夠基于輸入的待分類對象，進行所述第一類別、所述第二類別和第三類別的分類預測，得到相應的分類結果。

3.如權利要求1所述的方法，其特征在于，所述基于標注有所述第一標簽及所述第四標簽的所述第一訓練樣本，及標注有所述第二標簽及所述第三標簽的所述第二訓練樣本，訓練第一融合文本分類模型，包括：

基于標注有所述第一標簽及所述第四標簽的所述第一訓練樣本，及標注有所述第二標簽及所述第三標簽的所述第二訓練樣本，通過所述第一融合文本分類模型進行分類預測，得到對應第一類別和第二類別的分類結果；

獲取所述第一類別的分類結果與所述第一標簽之間的第一差異、所述第二類別的分類結果與所述第二標簽之間的第二差異、所述第一類別的分類結果與所述第三標簽之間的第三差異、所述第二類別的分類結果與所述第四標簽之間的第四差異；

基于所述第一差異、第二差異、第三差異及第四差異，更新所述第一融合文本分類模型的模型參數。

4.如權利要求3所述的方法，其特征在于，所述基于所述第一差異、第二差異、第三差異及第四差異，更新所述第一融合文本分類模型的模型參數，包括：

基于所述第一差異、第二差異、第三差異及第四差異，確定所述第一融合文本分類模型的損失函數的值；

基于所述第一融合文本分類模型的損失函數的值，更新所述第一融合文本分類模型的模型參數。