一种基于双重样本筛选的回放增量学习方法

本发明公开了一种基于双重样本筛选的回放增量学习方法，该方法首先通过新数据样本和保留样本，训练文本分类模型。其次通过训练后的文本分类模型进行特征提取，使用聚类算法对样本做初步筛选。然后通过样本估值模型筛选初步筛选后的样本，并通过反馈训练样本估值模型，使用训练好的样本估值模型二次筛选回放样本。最后将二次筛选得到的样本与保留样本进行混合，构建损失函数再次训练初始文本分类模型，完成增量学习。本发明的增量学习保证模型在旧任务表现的同时，也解决了由于新旧数据不平衡带来了权重偏移问题，提高了整体性能。