一种用于文本分类的多任务机器学习方法及其装置

摘要

本发明公开了一种用于文本分类的多任务机器学习方法及其装置，本发明特点在于同时利用任务关系建模和文本数据链接结构，对回归矩阵和样本预估标签值之间的差异进行概率建模，然后基于采样技术和凸优化方法对上述概率模型提出参数学习方法，最后得到准确度较高的回归矩阵并用其进行文本分类。通过利用本发明所述的方案，一方面，协方差矩阵中包含的多任务间相关关系信息得到了利用能提高参数学习准确度以提高分类准确度，另一方面通过对文本数据链接结构建模可以有效弥补训练样本不足带来的过拟合问题。