[发明专利]分类模型训练方法、分类方法及装置、设备和介质

说明书

本申请实施例公开了一种分类模型训练方法、装置及相关设备，该方法先利用包括大量第一样本的第一样本集对初始分类模型进行训练，得到预训练模型，第一样本中包括文本及其对应的表情符号标签；再利用包括少量第二样本的第二样本集对预训练模型进行训练，得到以文本作为输入、以文本对应的情感类别的概率分布作为输出的文本情感分类模型。该方法将大量弱监督样本与少量有监督样本结合起来对模型进行训练，能够在不增加人工标注样本的情况下，保证训练得到的模型具有较好的模型性能。

本申请对申请号为201811554820.X，申请日为2018年12月18日，发明名称为“分类模型训练方法、分类方法及装置、设备和介质”的中国专利申请提出分案申请。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种分类模型训练方法、分类方法及装置、设备和介质。

背景技术

目前，社交文本的情感分类在许多产品中都具有重要作用，例如舆情分析、产品营销、聊天机器人等产品，都会依赖社交文本情感分类模型来实现对社交文本的情感分类，以基于情感分类结果实现相应的产品功能，这些产品的性能主要取决于社交文本情感分类模型的性能。

现有的社交文本情感分类模型，主要依赖于监督学习和人工标注的样本集，模型性能主要取决于人工标注的样本质量以及样本数量，只有基于大规模的高质量的样本数据，才能训练出高性能的社交文本情感分类模型。但是由于人工标注成本非常高，这就限制了高质量的样本数据的增广，而标注数量的不足就会影响模型的性能。

可见，目前这种模型训练方法受限于标注的样本数量，导致文本情感分类模型的性能不高，难以满足上述产品的性能需求。

发明内容

本申请实施例提供了一种分类模型训练方法、装置、相关设备以及介质，能够在不增加人工标注的样本的情况下，保证训练得到的性能较优的社交文本情感分类模型。

有鉴于此，本申请第一方面提供了一种分类模型训练方法，包括：

利用第一样本集对初始分类模型进行训练，得到预训练模型，所述第一样本集包括第一样本，所述第一样本包括社交文本及其对应的表情符号标签；

利用第二样本集对所述预训练模型进行训练，得到社交文本情感分类模型，所述社交文本情感分类模型以社交文本作为输入，以社交文本对应的情感类别的概率分布作为输出；所述第二样本集包括第二样本，所述第二样本包括社交文本及其对应的情感分类标签。

本申请第二方面提供了一种分类方法，包括：

获取社交文本；

根据所述社交文本，通过社交文本情感分类模型，获得所述社交文本对应的情感类别概率分布，所述社交文本情感分类模型是根据上述第一方面提供的所述分类模型训练方法训练得到的；

根据所述社交文本对应的情感类别概率分布，确定所述社交文本的情感类别。

本申请第三方面提供了一种分类模型训练装置，包括：

第一训练模块，用于利用第一样本集对初始分类模型进行训练，得到预训练模型，所述第一样本集包括第一样本，所述第一样本包括社交文本及其对应的表情符号标签；

第二训练模块，用于利用第二样本集对所述预训练模型进行训练，得到社交文本情感分类模型，所述社交文本情感分类模型以社交文本作为输入，以社交文本对应的情感类别的概率分布作为输出；所述第二样本集包括第二样本，所述第二样本包括社交文本及其对应的情感分类标签。

本申请第四方面提供了一种分类装置，包括：

获取模块，用于获取社交文本；