[發明專利]知識表示、機器學習模型訓練、預測方法、裝置以及電子設備

在審

• 申請號: 201710637074.X
• 申請日: 2017-07-31
• 公開（公告）號: CN109325508A
• 公開（公告）日: 2019-02-12
• 發明（設計）人: 方文靜;周俊;李小龍
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 周莉娜

1.一種知識表示方法，包括：

將原始數據輸入深度神經網絡；

獲取訓練好的所述深度神經網絡的隱層針對所述原始數據輸出的特征，作為所述原始數據對應的知識表示，該知識表示被用于訓練機器學習模型，或者用于訓練好的機器學習模型進行數據預測。

2.如權利要求1所述的方法，所述隱層具體為高隱層。

3.如權利要求2所述的方法，所述高隱層為所述深度神經網絡的最后一個隱層。

4.如權利要求1所述的方法，所述深度神經網絡按照如下方式得到：

將訓練數據輸入神經網絡對其進行訓練；所述訓練數據為矩陣形式，該矩陣的行表示一條訓練樣本，列表示各條訓練樣本的特征或標簽。

5.一種機器學習模型訓練方法，包括：

獲取原始數據對應的知識表示，所述原始數據對應的知識表示根據深度神經網絡的隱層針對所述原始數據輸出的特征得到；

利用所述原始數據對應的知識表示，對機器學習模型進行訓練。

6.如權利要求5所述的方法，所述利用所述原始數據對應的知識表示，對機器學習模型進行訓練后，所述的方法還包括：

獲取待預測數據；

將所述待預測數據輸入所述深度神經網絡進行處理；

獲取所述深度神經網絡的隱層針對所述待預測數據輸出的特征，作為所述待預測數據對應的知識表示；

將所述待預測數據對應的知識表示輸入訓練好的所述機器學習模型，得到預測結果。

7.一種機器學習模型預測方法，包括：

獲取待預測數據；

將所述待預測數據輸入用于知識表示的深度神經網絡進行處理，所述深度神經網絡利用訓練數據訓練得到；

獲取所述深度神經網絡的隱層針對所述待預測數據輸出的特征，作為所述待預測數據對應的知識表示；

將所述待預測數據對應的知識表示輸入機器學習模型，得到預測結果，所述機器學習模型利用所述深度神經網絡對所述訓練數據的知識表示訓練得到。

8.一種知識表示裝置，包括：

第一輸入模塊，將原始數據輸入深度神經網絡；

第一獲取模塊，獲取訓練好的所述深度神經網絡的隱層針對所述原始數據輸出的特征，作為所述原始數據對應的知識表示，該知識表示被用于訓練機器學習模型，或者用于訓練好的機器學習模型進行數據預測。

9.如權利要求8所述的裝置，所述隱層具體為高隱層。

10.如權利要求9所述的裝置，所述高隱層為所述深度神經網絡的最后一個隱層。

11.如權利要求8所述的裝置，所述深度神經網絡按照如下方式得到：

所述第一輸入模塊，將訓練數據輸入神經網絡對其進行訓練；所述訓練數據為矩陣形式，該矩陣的行表示一條訓練樣本，列表示各條訓練樣本的特征或標簽。

12.一種機器學習模型訓練裝置，所述的裝置包括：

第二獲取模塊，獲取原始數據對應的知識表示，所述原始數據對應的知識表示根據深度神經網絡的隱層針對所述原始數據輸出的特征得到；

第二訓練模塊，利用所述原始數據對應的知識表示，對機器學習模型進行訓練。

13.如權利要求12所述的裝置，所述利用所述原始數據對應的知識表示，對機器學習模型進行訓練后，所述的裝置還包括：

第一預測獲取模塊，獲取待預測數據；

第一預測處理模塊，將所述待預測數據輸入所述深度神經網絡進行處理；

第一預測提取模塊，獲取所述深度神經網絡的隱層針對所述待預測數據輸出的特征，作為所述待預測數據對應的知識表示；

第一預測輸出模塊，將所述待預測數據對應的知識表示輸入訓練好的所述機器學習模型，得到預測結果。