一种带噪的半监督意图识别模型训练方法.pdfVIP

下载本文档

2
0
约2.36万字
约 17页
2023-04-22 发布于北京
举报
版权申诉

一种带噪的半监督意图识别模型训练方法.pdf

1、本文档共17页，其中可免费阅读16页，需付费10金币后方可阅读剩余内容。
2、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。
3、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。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

本发明公开了一种带噪的半监督意图识别模型训练方法，通过融合并改进经典的“PI”和“虚拟对抗”半监督训练方法，在训练意图识别模型时，未经标注的大量无标签语料数据得到了更充分的利用，模型训练效果超越了传统全监督训练方法和“PI”、“虚拟对抗”半监督训练方法；考虑到语料数据的人工标注可能存在错误，本发明舍弃了“PI”和“虚拟对抗”半监督方法中使用的MSE误差、KL散度传统损失函数，而是将带噪学习领域的对称交叉熵引入半监督学习领域，使得本发明能够有效降低错误标签对模型训练的干扰。

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113918700 B (45)授权公告日 2022.07.12 (21)申请号 202111205397.4 CN 111797703 A,2020.10.20 (2