一种用于自动分类法归纳的行动者—评论家算法

摘要

本发明公开了一种用于自动分类法归纳的行动者—评论家算法，包括：Dtaxa模型以4元组的形式将当前状态转移至的下一状态，选择的动作以及获取的奖励存储至经验缓冲区，从经验缓冲区之中选择批量的样本，目标行动者网络从样本之中学习动作，目标行动者网络的输出以及行动者网络采样获得的样本共同喂进目标评论家网络，以获取目标值，评论家网络根据最小化损失进行更新，行动者网络根据采样的策略梯度进行更新。本发明提供的技术方案将上位词探测和上位词—下位词对组成具有语义层次的树状结构相互结合，整体优化分类法归纳任务的评测指标，进一步改进了分类法归纳的性能，降低了计算成本。