一种基于损失阈值和动态权重的自适应医学文本分类方法

本发明公开了一种基于损失阈值和动态权重的自适应医学文本分类方法，对预先获取的医疗文本进行预处理，然后使用分词器进行文本分词，生成对应的字符序列并进行语义特征编码；基于样本损失分布确定易或难样本阈值，并在后续每轮训练中依据该阈值对样本进行易或难标记与动态权重更新；将医疗文本的语义嵌入与首次被判定为易样本的轮次及最终权重信息融合，以融合特征在特征空间中进行三类数据分层划分，自适应动态再训练预训练语言模型，使模型先在简单难度数据集上进行训练，并根据验证集性能增益动态引入中等及困难难度样本，直至模型在完整的数据集上性能收敛。本发明能提升医学文本分类任务的收敛速度、分类精度和鲁棒性。