文本分类模型的训练方法、装置、电子设备、存储介质及程序产品

本申请提供一种文本分类模型的训练方法、装置、电子设备、存储介质及程序产品，涉及人工智能技术领域。该方法包括：获取历史文本数据以及历史多层级标签集，历史多层级标签集包括N个层级标签组；获取各个层级标签组中同类别标签的标签数量并确定出各个层级标签组的最大标签数量；计算N个层级标签组中的最大标签数量的总和，并将最大标签数量的总和确定为分类预测向量的向量长度；对历史多层级标签集中的标签进行独热编码改写；基于历史文本数据以及独热编码改写后的历史多层级标签集生成训练样本；采用训练样本对初始文本分类模型进行训练至收敛。本申请的方法，能够有效降低模型训练时的计算复杂度，有效提高模型的训练效率。