基于Actor-Critic强化学习的多粒度中文文本分类方法及系统

本发明涉及一种基于Actor‑Critic强化学习的多粒度中文文本分类方法及系统。所述方法包括：通过特征网络提取出多粒度输入序列中的各个文本特征输入至Actor网络中，通过Actor网络将选中的文本特征输入至Critic网络进行分类性能评估，输出分类概率的对数作为奖励传递给Actor网络进行参数更新，得到更新后的Actor网络；基于更新后的Actor网络筛选出目标文本样本，通过目标文本样本训练得到中文文本分类模型；模型输出多粒度中文文本分类结果。通过Actor网络、Critic网络评估出输入文本的难易程度及分类性能，参数更新后可以自动提取出当前时刻需要的文本样本对中文文本分类模型进行训练，从而提高模型训练效率；通过训练好的中文文本分类模型进行分类，可以提高文本分类精确度。