[发明专利]信息分类方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种信息分类方法，其特征在于，包括：

获取训练样本数据，其中，所述训练样本数据包括正样本数据和负样本数据；

根据所述训练样本数据训练得到基于多任务的信息多分类函数；

获取待分类信息，并使用所述信息多分类函数对所述待分类信息进行分类，得到信息多分类结果。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本数据，包括：

随机获取第一正样本数据，获取目标信息源的第二正样本数据，组合所述第一正样本数据和第二正样本数据得到所述正样本数据，其中，所述目标信息源为一个或多个，所述正样本数据包括正样本输入数据和正样本标签数据；

随机获取第一负样本数据，对所述第一负样本数据进行数据增强获得第二负样本数据，组合所述第一负样本数据和第二负样本数据得到所述负样本数据，其中，所述负样本数据包括负样本输入数据和负样本标签数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一负样本数据进行数据增强获得第二负样本数据，被实施为：

对所述正样本输入数据进行预设长度的滑窗切分，得到正样本输入分词数据；

获取包含所述正样本输入分词数据的负样本数据，作为所述第二负样本数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本数据训练得到基于多任务的信息多分类函数，包括：

确定初始信息多分类函数；

确定多任务目标函数，并根据所述多任务目标函数对所述初始信息多分类函数进行优化得到优化信息多分类函数，将其作为所述基于多任务的信息多分类函数。

5.根据权利要求4所述的方法，其特征在于，所述确定多任务目标函数，并根据所述多任务目标函数对所述初始信息多分类函数进行优化得到优化信息多分类函数之后，还包括：

对所述优化信息多分类函数进行迁移学习得到迁移信息多分类函数，将所述迁移信息多分类函数作为所述基于多任务的信息多分类函数。

6.根据权利要求5所述的方法，其特征在于，所述对所述优化信息多分类函数进行迁移学习得到迁移信息多分类函数，将所述迁移信息多分类函数作为所述基于多任务的信息多分类函数，包括：

将所述优化信息多分类函数作为迁移源函数，将所述迁移信息多分类函数作为迁移目标函数，确定迁移调节参数；

将基于所述迁移调节参数得到的所述迁移源函数的输出作为所述迁移目标函数的第一目标函数，将所述迁移目标函数的目标输出作为第二目标函数，组合所述第一目标函数和第二目标函数，得到所述迁移目标函数的目标函数；

根据所述目标函数学习得到所述迁移信息多分类函数，将所述迁移信息多分类函数作为所述基于多任务的信息多分类函数。

7.根据权利要求1所述的方法，其特征在于，还包括：

对所述信息多分类结果进行后处理操作。

8.根据权利要求7所述的方法，其特征在于，所述对所述信息多分类结果进行后处理操作，包括：

获取所述信息多分类结果的评价分值；

当所述评价分值处于预设分值区间时，对于所述信息多分类结果进行截断操作。

9.一种信息分类装置，其特征在于，包括：

获取模块，被配置为获取训练样本数据，其中，所述训练样本数据包括正样本数据和负样本数据；

训练模块，被配置为根据所述训练样本数据训练得到基于多任务的信息多分类函数；

分类模块，被配置为获取待分类信息，并使用所述信息多分类函数对所述待分类信息进行分类，得到信息多分类结果。