原创力文档- 5
- 0
- 约8.38千字
- 约 8页
- 2023-06-06 发布于四川
- 举报
本发明涉及一种基于少样本的文本分类方法，包括以下步骤：使用z个翻译工具将数据集a中的每条数据分别翻译z次，以得到扩充后的数据集b；使用BERT预训练模型对扩充后的数据集b进行编码，得到向量集V；将向量集V作为训练集x，将数据集a的标签作为训练集y，将所述训练集x和训练集y共同输入分类模型，对分类模型进行训练，直到得到收敛的分类模型。本发明将原始少样本的数据进行大量扩充，以增加训练的样本，但并没有增加人工标注，因此一方面解决了少样本训练分类不准确的问题，另一方面也避免了需要人工标注所耗费的人力和时
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112765359 B
(45)授权公告日 2021.06.18
(21)申请号 202110370999.9 G06F 40/126 (2020.01)
文档评论（0）