[发明专利]基于TextCNN同分布文本数据选择方法、系统及存储介质

摘要

本发明公开了一种基于TextCNN同分布文本数据选择方法、系统及存储介质，该方法通过对文本机器学习任务所使用的训练集和测试集的数据添加标签，使该训练集的数据的标签为0，该测试集的数据的标签为1，接着随机交换训练集与测试集的数据，构建出新的训练集与测试集；然后使用构建出的训练集与测试集，训练基于TextCNN网络结构的文本二分类模型而得到预测模型；最后，利用该预测模型对训练集的数据进行预测，得到每条数据对应的概率值pi，并选择若干个概率值pi较大的数据作为该文本机器学习任务的训练数据。因此，本发明通过获得每条训练数据被预测为测试数据的概率，并根据概率大小从训练数据中选择出更好的数据进行模型训练，从而提高机器学习在训练数据上的拟合能力和准确率。