[发明专利]一种面向特征解构的对抗合作网络模块及其对抗合作方法

权利要求书

1.一种面向特征解构的对抗合作网络模块，其特征在于，包括对抗合作模块和知识共享模块，所述对抗合作模块包括特征生成器、领域鉴别器和排它式对抗器；所述特征生成器接收任务样本并分别与领域鉴别器和排它式对抗器进行对抗，所述特征生成器生成领域共性特征和领域个性特征，所述知识共享模块接收领域共性特征和领域个性特征并生成最终的分类预测。

2.根据权利要求1所述的一种面向特征解构的对抗合作网络模块，其特征在于，所述知识共享模块包括领域共性特征分类器、领域混合特征分类器和领域个性特征分类器；所述领域共性特征分别传递到领域共性特征分类器和领域混合特征分类器中，所述领域个性特征分别传递到领域混合特征分类器和领域个性特征分类器中，所述领域共性特征分类器、领域混合特征分类器和领域个性特征分类器通过两两之间的互补学习生成最终的分类预测。

3.根据权利要求1所述的一种面向特征解构的对抗合作网络模块，其特征在于，所述排它式对抗器的运行逻辑包括前向传递和梯度后向反馈。

4.一种面向特征解构的对抗合作方法，其特征在于，包括以下步骤：

S1、对每个任务分别随机抽取一定数量的样例并将其输入到特征生成器内；

S2、特征生成器和领域鉴别器进行领域对抗，通过合作的方式生成领域共性特征，同时特征生成器又与排它式对抗器互相对抗，通过对抗的方式生成领域个性特征，从而实现有效的特征解构，同时更新排它式对抗器；

S3、将步骤S2解构出来的领域共性特征分别传递到领域共性特征分类器和领域混合特征分类器中，将所述领域个性特征分别传递到领域混合特征分类器和领域个性特征分类器中；同时分别更新领域共性特征分类器、领域个性特征分类器和领域混合特征分类器；

S4、更新特征生成器；并循环步骤S1～S4若干次；

S5、最终的领域共性特征分类器、领域个性特征分类器和领域混合特征分类器进行两两之间的互补学习，从而产生最终的分类预测。

5.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S2中所述排它式对抗器的运行逻辑包括前向传递和梯度后向反馈。

6.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S2中所述领域鉴别器的更新方向为沿着其随机梯度上升的方向。

7.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S3中所述领域共性特征分类器、领域个性特征分类器和领域混合特征分类器的更新方向均为沿着其随机梯度下降的方向。

8.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S4中循环的次数与任务的数量相同。

9.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S2中排它式对抗器首次更新的方向为沿着其随机梯度下降的方向，其第二次或第二次以上更新的方向为沿着其随机梯度上升的方向。

10.根据权利要求4所述的一种面向特征解构的对抗合作方法，其特征在于，步骤S5中采用少数服从多数的投票制，即根据领域共性特征分类器、领域个性特征分类器和领域混合特征分类器的分类结果进行投票，并产生最终的分类预测。