[发明专利]基于强化学习和胶囊网络的文本分类模型及方法有效
| 申请号： | 201811109798.8 | 申请日： | 2018-09-21 |
| 公开（公告）号： | CN109241287B | 公开（公告）日： | 2021-10-15 |
| 发明（设计）人： | 林东定;潘嵘 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 陈伟斌 |
| 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： | 本发明涉及自然语言处理、文本分类的技术领域，更具体地，涉及基于强化学习和胶囊网络的文本分类模型及方法。本发明以强化学习Actor‑Critic，胶囊网络CapsNet为基本的框架，胶囊网络提取文本信息的特征，强化学习判别胶囊层之间的联系。本发明的创新内容在于引入了强化学习去学习胶囊网络层之间的路由关系，引入胶囊网络去解决文本分类模型中的多标签分类的任务。利用胶囊网络在多标签分类任务上的优势，应用于文本多标签分类的任务上，从而达到更好的效果；利用强化学习遇错调整的机制，学习到更好的路由之间的联系方法。 | ||
| 搜索关键词： | 基于 强化 学习 胶囊 网络 文本 分类 模型 方法 | ||
【主权项】：
1.基于强化学习和胶囊网络的文本分类模型，其特征在于，包括强化学习的框架与胶囊网络的框架；强化学习的框架包括：State：表示当前的状态，这里的状态主要包含了Agent所处的环境，自身状态；Action：表示Agent的行动，这里的行动最主要是胶囊层之间的连接与否，或者是连接概率；Reward：表示Agent获得的奖励，分为即时奖励和未来的奖励。
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/201811109798.8/，转载请声明来源钻瓜专利网。
- 上一篇：用于生成文本的方法和装置
- 下一篇：文本分类模型的更新训练方法、装置及设备
