一种基于元学习的大规模多标签文本分类方法

摘要

本发明公开了一种基于元学习的大规模多标签文本分类方法，主要包括：使用采样策略从训练集中采样获得若干样本，形成若干子任务，基于采样获得的若干子任务让模型进行元学习，元学习后的模型在原始数据集上使用监督学习方法进行微调，使得模型的性能进一步提升。本方法将大规模多标签文本分类问题转化为一个元学习问题，通过构造大量含有少样本和零样本标签的多标签文本分类子任务并优化模型在这些任务上的泛化误差，让模型能够显式的学习如何更好的预测那些少样本和零样本标签。