一种基于机器学习的标准文本分类方法

本发明公开了一种基于机器学习的标准文本分类方法，属于数据识别技术领域，包括采用基于约束性注意力的BERT算法来进行标准文本的向量化；采用基于语义焦点的生成对抗网络算法进行样本生成，进而实现向量化后的标准文本数据扩充；采用基于扰动模糊融合的神经网络算法进行向量化后的标准文本数据的特征提取与分类。本发明通过交互式注意力机制和动态上下文感知机制，使模型不仅捕捉到文本内部的语义关联，还能够更好地理解标准文本与分类任务指令的关系，显著提升了分类模型对上下文的理解能力。采用基于语义焦点的生成对抗网络生成额外样本数据，通过语义重聚焦机制确保生成数据的语义质量和一致性，解决了标准文本分类任务中样本不足的问题。