[发明专利]一种基于深度多任务学习的文本分类方法在审
| 申请号： | 201611117038.2 | 申请日： | 2016-12-07 |
| 公开（公告）号： | CN106777011A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 张梓滨;潘嵘 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度多任务学习的文本分类方法，该发明利用其它任务训练得到的循环神经网络，结合卷积神经网络的学习能力，得到额外的文档表示，相当于引入了大量外部信息，扩展了文档的语义表示，有效地解决了训练数据不足的问题。本文相较于传统的多任务学习方法，使用了卷积神经网络对辅助任务的底层特征进行特征抽取，能够利用其它任务的特征有效地迁移到本任务，改善了文本分类的性能。 | ||
| 搜索关键词： | 一种 基于 深度 任务 学习 文本 分类 方法 | ||
【主权项】：
一种基于深度多任务学习的文本分类方法，其特征在于，包括以下步骤：S1：利用词向量和双向循环网络学习当前任务的文档表示；S2：利用卷积神经网络，从其他任务的文档表示抽取特征；S3：利用当前任务的文档表示、其他任务的特征学习分类器。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611117038.2/，转载请声明来源钻瓜专利网。
