[发明专利]文本分类模型的元学习方法、装置、设备及存储介质

说明书

本发明公开了一种文本分类模型的元学习方法，应用于人工智能技术领域，用于解决通过少量样本实现分类模型对新增类别进行学习时学习难度大、学习效率低的技术问题。本发明提供的方法包括：获取文本样本数据；将文本样本数据的数量小于该预设值的类别中包含的文本样本数据确定为元测试集，将文本样本数据的数量大于等于该预设值的类别中包含的文本样本数据确定为元训练集；通过该元训练集对文本分类模型进行元训练，得到文本分类模型学习器；通过元测试集对该文本分类模型学习器进一步进行测试阶段训练，最终得到训练好的该文本分类模型。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种文本分类模型的元学习方法、装置、设备及存储介质。

背景技术

在例如人机对话或用户与人工客服的对话场景中，需要将对话内容整理成文本，然后根据文本中包含的主题对该文本内容进行分类，以便于了解各用户所关注的问题，便于更好的为用户提供对应的解决方案。

目前对于文本的分类方法是基于大量真实数据挖掘一拨主题，制定分类的类别后，开始进行大量的人工标注，然后训练一个分类器，通过该分类器对待分类的文本进行分类。然而现实中经常出现这些的场景，由于样本文本数据的局限，或者是之前的类别挖掘不充分，需要新增一个文本的主题或者类别，无疑又要再次积累大量的标注样本。实际情况是某些类别的文本样本在业务上本来就比较少，或者是在新增的业务服务类别中，标注样本本身就很少，要实现模型对新增的主题或者类别进行智能识别，使得训练样本的获取成本异常高。

现亟待提出一种通过少量文本样本就可以实现分类模型对新增的主题或类别进行训练的方法。

发明内容

本发明实施例提供一种文本分类模型的元学习方法、装置、计算机设备及存储介质，以解决通过少量样本实现分类模型对新增类别进行学习时学习难度大、学习效率低的技术问题。

一种文本分类模型的元学习方法，该方法包括：

获取文本样本数据，该文本样本数据携带有该文本样本数据所属类别的标识，其中，至少一个该类别中包含的文本样本数据的数量小于预设值；

将文本样本数据的数量小于该预设值的类别中包含的文本样本数据确定为元测试集，将文本样本数据的数量大于等于该预设值的类别中包含的文本样本数据确定为元训练集；

通过该元训练集对文本分类模型进行元训练，得到文本分类模型学习器；

将该文本分类模型学习器作为待训练的文本分类模型，通过该元测试集对该文本分类模型学习器进行测试训练，当所述文本分类模型学习器的损失函数在测试阶段收敛时，得到训练好的文本分类模型。

一种文本分类模型的元学习装置，该装置包括：

样本获取模块，用于获取文本样本数据，该文本样本数据携带有该文本样本数据所属类别的标识，其中，至少一个该类别中包含的文本样本数据的数量小于预设值；

分类模块，用于将文本样本数据的数量小于该预设值的类别中包含的文本样本数据确定为元测试集，将文本样本数据的数量大于等于该预设值的类别中包含的文本样本数据确定为元训练集；

学习器训练模块，用于通过该元训练集对文本分类模型进行元训练，得到文本分类模型学习器；

测试训练模块，用于将该文本分类模型学习器作为待训练的文本分类模型，通过该元测试集对该文本分类模型学习器进行测试训练，当所述文本分类模型学习器的损失函数在测试阶段收敛时，得到训练好的文本分类模型。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述文本分类模型的元学习方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述文本分类模型的元学习方法的步骤。