一种基于众包反馈和主动学习的文本分类模型优化方法

摘要

本发明公开了一种基于众包反馈和主动学习的文本分类模型优化方法，包括：选取文本数据集，将文本数据集分为初始训练集和剩余数据集；从文本数据集中获得词；构建文本数据集的特征集，向量化文本数据集；在分类模型上引入主动学习，预测已向量化的文本数据集的情感极性，结合众包反馈信息优化模型获得文本分类结果。本发明利用众包收集人工标注理由，获取更多用户信息，挖掘人的主观感受，并以更改权重的方式将众包反馈信息融入模型中，优化文本分类模型，从而提升模型分类性能。本发明还引入主动学习算法，挑选最有价值的标注样本交由众包平台进行标注，从而降低标注成本，在有限的预算下，提高标注准确率，解决缺少含标签数据的文本分类任务的难题。