基于对抗样本与分布分离度的质检模型训练方法及系统

本发明涉及质检模型训练技术领域，尤其涉及一种基于对抗样本与分布分离度的质检模型训练方法及系统。获取待训练文本质检模型与训练集，通过对正常文本施加语义扰动生成对抗样本并通过迭代更新形成候选池，将候选池与训练集混合后提取向量表示，基于类别标签构建正常类凸包与异常类凸包并筛选位于边界区域的重点样本集，构建包含分类损失与凸包间隔损失的训练目标对混合样本及重点样本进行训练得到训练完成的模型。该方法能够提升文本质检模型在不确定区域的分类性能和鲁棒性。