[发明专利]一种中文文本分类模型的训练方法及装置在审
| 申请号： | 201810350019.7 | 申请日： | 2018-04-18 |
| 公开（公告）号： | CN108573047A | 公开（公告）日： | 2018-09-25 |
| 发明（设计）人： | 刘怡俊;林裕鹏 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27;G06K9/62;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张春水;唐京桥 |
| 地址： | 510060 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： | 本发明提供了一种中文文本分类模型的训练方法及装置，解决了传统的这些文本表示方法表示的特征项之间相互独立，而且数据稀疏，导致了计算量大的技术问题。其中方法，包括：S1、获取带标签的训练文本；S2、对所述训练文本进行预处理后，得到分词后的训练文本；S3、将所述分词后的训练文本输入至word2vec模型中，将所述分词后的训练文本转换为词向量集合；S4、将所述词向量集合以及所述训练文本的标签输入至卷积神经网络中进行训练，并通过预置代价函数计算所述卷积神经网络的loss值；S5、判断所述loss值是否低于预置阈值，若是，则确定所述卷积神经网络收敛，保存所述卷积神经网络的参数，并生成训练后的中文文本分类模型，若否，则返回步骤S1。 | ||
| 搜索关键词： | 训练文本 卷积神经网络 分类模型 中文文本 分词 词向量 预置 集合 标签 预处理 代价函数计算 方法表示 数据稀疏 文本表示 传统的 计算量 特征项 收敛 保存 返回 转换 | ||
【主权项】：
1.一种中文文本分类模型的训练方法，其特征在于，包括：S1、获取带标签的训练文本；S2、对所述训练文本进行预处理后，得到分词后的训练文本；S3、将所述分词后的训练文本输入至word2vec模型中，将所述分词后的训练文本转换为词向量集合；S4、将所述词向量集合以及所述训练文本的标签输入至卷积神经网络中进行训练，并通过预置代价函数计算所述卷积神经网络的loss值；S5、判断所述loss值是否低于预置阈值，若是，则确定所述卷积神经网络收敛，保存所述卷积神经网络的参数，并生成训练后的中文文本分类模型，若否，则返回步骤S1。
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广东工业大学，未经广东工业大学许可，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/201810350019.7/，转载请声明来源钻瓜专利网。
