[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

说明书

本发明实施例公开了一种信息分类方法、装置、电子设备及计算机可读存储介质，所述方法包括：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。该技术方案无需进行人工标注，能够在保障信息识别和分类准确率的情况下，节省人力成本，同时还有利于增强泛化能力，能够迅速适应在其他场景中的使用。

技术领域

本发明实施例涉及数据处理技术领域，具体涉及一种信息分类方法、装置、电子设备及计算机可读存储介质。

背景技术

随着信息技术的发展，基于信息的智能服务受到越来越多的关注，比如信息的识别、信息的意图识别、信息的分类等等。对于上述信息智能服务，现有技术中通常使用信息人工智能模型来实现，但在训练信息人工智能模型时，为了提高信息识别和分类的准确率，通常使用人工标注的方法生成训练数据，该方法虽然能够保障信息识别和分类的准确率，但人力成本较高，并且泛化能力较差，无法迅速适应在其他场景中的使用。

发明内容

本发明实施例提供一种信息分类方法、装置、电子设备及计算机可读存储介质。

第一方面，本发明实施例中提供了一种信息分类方法。

具体的，所述信息分类方法，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。

结合第一方面，本发明实施例在第一方面的第一种实现方式中，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。

结合第一方面和第一方面的第一种实现方式，本发明实施例在第一方面的第二种实现方式中，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。

结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式，本公开在第一方面的第三种实现方式中，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。

结合第一方面的第一种实现方式、第一方面的第二种实现方式和第一方面的第三种实现方式，本公开在第一方面的第四种实现方式中，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。