[發(fā)明專利]用于識別信息的方法和裝置

有效

• 申請?zhí)枺?/td>: 201710513137.0
• 申請日: 2017-06-29
• 公開（公告）號: CN109214501B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計）人: 張愛喜;葉韻;陳宇;翁志
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀貿(mào)易有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了用于識別信息的方法和裝置。該方法的一具體實施方式包括：獲取待識別信息；將該待識別信息導入神經(jīng)網(wǎng)絡(luò)模型，生成該待識別信息分別屬于至少三種預設(shè)類型中的各種類型的概率，并且根據(jù)生成的概率識別該待識別信息所屬的類型，其中，該神經(jīng)網(wǎng)絡(luò)模型根據(jù)更新后的初始神經(jīng)網(wǎng)絡(luò)模型得到，初始神經(jīng)網(wǎng)絡(luò)模型基于以下步驟更新：將第一訓練樣本導入初始神經(jīng)網(wǎng)絡(luò)模型，生成該第一訓練樣本屬于該各種類型的概率；獲取至少一個區(qū)分難度權(quán)重；基于該至少一個區(qū)分難度權(quán)重和該第一訓練樣本屬于各種類型的概率，確定初始神經(jīng)網(wǎng)絡(luò)模型的模型誤差；根據(jù)該模型誤差更新初始神經(jīng)網(wǎng)絡(luò)模型。該實施方式提高了信息識別的準確率。

技術(shù)領(lǐng)域

本申請涉及計算機技術(shù)領(lǐng)域，具體涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及用于識別信息的方法和裝置。

背景技術(shù)

隨著計算機技術(shù)的發(fā)展，可以利用計算機對信息進行識別，例如對圖片信息、文本信息、聲音信息等進行識別。現(xiàn)有技術(shù)中，通常利用預先建立的模型對信息進行識別。

然而，現(xiàn)有的信息識別方式，通常對較為相似的信息難以區(qū)分，從而，存在著信息識別準確率較低的問題。

發(fā)明內(nèi)容

本申請的目的在于提出一種改進的用于識別信息的方法和裝置，來解決以上背景技術(shù)部分提到的技術(shù)問題。

第一方面，本申請實施例提供了一種用于識別信息的方法，上述方法包括：獲取待識別信息；將上述待識別信息導入神經(jīng)網(wǎng)絡(luò)模型，生成上述待識別信息分別屬于至少三種預設(shè)類型中的各種類型的概率，并且根據(jù)生成的概率識別上述待識別信息所屬的類型，其中，上述神經(jīng)網(wǎng)絡(luò)模型根據(jù)更新后的初始神經(jīng)網(wǎng)絡(luò)模型得到，初始神經(jīng)網(wǎng)絡(luò)模型基于以下步驟更新：將第一訓練樣本導入初始神經(jīng)網(wǎng)絡(luò)模型，生成上述第一訓練樣本屬于上述各種類型的概率，其中，上述初始神經(jīng)網(wǎng)絡(luò)模型用于表征信息與信息屬于上述各種類型的概率之間的對應(yīng)關(guān)系；獲取至少一個區(qū)分難度權(quán)重，其中，區(qū)分難度權(quán)重用于表征區(qū)分類型對中兩種類型的信息的難度，類型對由上述至少三種預設(shè)類型中的兩種類型組成；基于上述至少一個區(qū)分難度權(quán)重和上述第一訓練樣本屬于上述各種類型的概率，確定初始神經(jīng)網(wǎng)絡(luò)模型的模型誤差；根據(jù)上述模型誤差更新初始神經(jīng)網(wǎng)絡(luò)模型。

第二方面，本申請實施例提供了一種用于識別信息的裝置，上述裝置包括：獲取單元，用于獲取待識別信息；識別單元，用于將上述待識別信息導入神經(jīng)網(wǎng)絡(luò)模型，生成上述待識別信息分別屬于至少三種預設(shè)類型中的各種類型的概率，并且根據(jù)生成的概率識別上述待識別信息所屬的類型，其中，上述神經(jīng)網(wǎng)絡(luò)模型根據(jù)更新后的初始神經(jīng)網(wǎng)絡(luò)模型得到，初始神經(jīng)網(wǎng)絡(luò)模型通過更新單元更新的，上述更新單元包括：生成模塊，用于將第一訓練樣本導入初始神經(jīng)網(wǎng)絡(luò)模型，生成上述第一訓練樣本屬于上述各種類型的概率，其中，上述初始神經(jīng)網(wǎng)絡(luò)模型用于表征信息與信息屬于上述各種類型的概率之間的對應(yīng)關(guān)系；獲取模塊，用于獲取至少一個區(qū)分難度權(quán)重，其中，區(qū)分難度權(quán)重用于表征區(qū)分類型對中兩種類型的信息的難度，類型對由上述至少三種預設(shè)類型中的兩種類型組成；確定模塊，用于基于上述至少一個區(qū)分難度權(quán)重和上述第一訓練樣本屬于上述各種類型的概率，確定初始神經(jīng)網(wǎng)絡(luò)模型的模型誤差；更新模塊，用于根據(jù)上述模型誤差更新初始神經(jīng)網(wǎng)絡(luò)模型。

第三方面，本申請實施例提供了一種服務(wù)器，上述服務(wù)器包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當上述一個或多個程序被上述一個或多個處理器執(zhí)行，使得上述一個或多個處理器實現(xiàn)如第一方面的方法。

第四方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如第一方面的方法。

本申請實施例提供的用于識別信息的方法和裝置，通過所利用的進行信息識別的神經(jīng)網(wǎng)絡(luò)模型，通過根據(jù)上述區(qū)分難度權(quán)重確定模型誤差，可以使得模型誤差與區(qū)分難度權(quán)重相關(guān)。通俗來說，難以區(qū)分的類型對對應(yīng)的區(qū)分難度權(quán)重較大，則難以區(qū)分類型對對模型的模型誤差貢獻較大，如果模型對于難以區(qū)分的類型對的區(qū)分能力較差，則模型誤差還是會較大。在降低模型誤差的過程中，可以使得模型對難以區(qū)分類型對的區(qū)分能力提高，從而，可以識別信息的準確率。

附圖說明