基于度量的元学习框架下的少次文本分类方法

摘要

本发明公开了基于度量的元学习框架下的少次文本分类方法，在输入层，输入支持实例和查询实例；在词嵌入层，通过查找预先训练的词嵌入表，将离散词映射到向量空间中；在上下文编码器层，通过考虑上下文来优化支持实例和查询实例的句子中每个单词的局部表示；在双向注意力层，首先将查询实例与每个支持实例耦合，然后在它们之间生成匹配信息；在模型层，为查询实例和支持实例生成特征向量，给定查询的实例级注意力模块计算支持实例的权重以动态生成原型；在输出层，通过测量查询和原型之间的相似性得分来为查询实例提供预测。本发明方法提出了一种使用双向注意力机制和跨类知识的少次文本分类框架，使得少次文本分类方法更加有效。