一种多语言文本分类的去偏方法

本申请涉及数据分类技术领域，尤其涉及一种多语言文本分类的去偏方法，包括构建多语言文本分类去偏框架，包含文本表征模块、分类模块和去偏模块；通过深度提示调优初始化可学习提示向量，并将其添加到文本表征模块的每一层，以获取文本表示；对文本表示进行线性变换以获得预测输出，并通过交叉熵损失计算分类损失；利用特征加权对抗训练对文本特征加权，确定敏感属性鉴别损失；最终，以最小化分类损失和最大化敏感鉴别损失的加权组合为优化目标，训练去偏框架，生成无偏文本分类模型。该方法通过深度提示调优和特征加权对抗训练，有效提升了多语言文本分类的准确性和公平性，同时降低了模型训练的资源消耗，减少了偏见影响。