一种基于概率分布自适应的实体关系分类方法

摘要

本发明公开了一种基于概率分布自适应的实体关系分类方法，首先获取源域数据和目标域数据，训练两个领域数据的字向量特征和实体词的位置特征；接着经过深度神经网络模型的前向传播计算，得到两个领域数据的高级特征表示；接下来计算领域数据高级特征表示之间边缘概率分布差异和条件概率分布差异；然后计算两种概率分布之间的A‑distance，赋予两种概率分布差异不同的学习权重，并在训练过程中自动更新权重；再经过损失函数计算，并结合概率分布差异的损失，反向传播更新网络参数，最终训练得到分类模型进行分类测试。本发明通过降低不同领域数据之间的分布差异达到领域适应，利用源域的大量数据提升目标域分类效果。