技术特征：
技术总结
本发明公开了一种文本分类模型的训练方法，包括以下步骤：通过特征提取神经网络提取正样本的第一特征和已识别类别的样本数据的第二特征，并基于所述第一特征计算均方距离作为紧凑性损失，基于所述第二特征计算交叉熵作为描述性损失，基于所述紧凑性损失和所述描述性损失得到的误差损失采用反向传播优化算法，训练所述特征提取神经网络的参数。本发明还公开了一种文本分类模型的训练装置及计算机可读存储介质。由于本发明可以提取正样本的样本数据和已识别类别的样本的深度特征，计算紧凑性误差损失和描述性误差损失，并通过两种误差损失的加权误差损失对特征提取神经网络采取反向传播算法进行优化，因此提高了文本分类器的分类效果。
技术研发人员：任江涛;梁华淇
受保护的技术使用者：中山大学
技术研发日：2018.11.12
技术公布日：2019.03.15