原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种一种标签语义增强的弱监督文本分类方法及系统，属于机器学习领域，基于BERT弱监督文本分类框架，在类别词表构建阶段，基于Zipf定律加权类别表示实现类别词去噪，利用了语义相似度递减特性去除类别词表中的无关词；在样本标注阶段，基于MASK机制的词类别标注，然后基于自训练模块进行优化分类模型，以样本中的类别指示性单词为桥梁，建立“样本句‑指示词‑类别标签”跨层级语义关联。本发明在词表构建与样本弱标注生成阶段引入了更多降低标签噪声的算法，以达到标签语义增强的效果，在不同语种环境中显著提升文
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116628199 A
(43)申请公布日 2023.08.22
(21)申请号 202310520566.6 G06F 18/22 (2023.01)
文档评论（0）