[發明專利]一種應用遷移學習可行性度量方法及裝置

在審

• 申請號: 201710660607.6
• 申請日: 2017-08-04
• 公開（公告）號: CN107392321A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 謝忠玉;鮑新平
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06N99/00
• 分類號: G06N99/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 王寶筠

1.一種應用遷移學習可行性度量方法，其特征在于，包括：

獲得目標域對應的輔助域，所述目標域與所述輔助域中分別包括至少一個樣本數據；

基于所述目標域與所述輔助域中的樣本數據，確定領域分類模型及分類特征；

利用所述領域分類模型對所述分類特征進行分類，得到分類精度結果；

基于預設的精度閾值范圍與遷移學習可行性的對應關系，確定與所述分類精度結果相對應的遷移學習可行性結果。

2.根據權利要求1所述的方法，其特征在于，所述基于所述目標域與所述輔助域中的樣本數據，確定領域分類模型及分類特征，包括：

對所述目標域和所述輔助域中的樣本數據利用預設的深度學習框架模型進行訓練，得到特征提取模型；

將所述目標域和所述輔助域中具有所屬領域的領域標簽的樣本數據輸入所述特征提取模型，得到分類特征；

基于所述分類特征，獲得領域分類模型。

3.根據權利要求1所述的方法，其特征在于，所述基于所述分類特征，獲得領域分類模型，包括：

對所述分類特征進行訓練，得到領域分類模型。

4.根據權利要求1、2或3所述的方法，其特征在于，所述利用所述領域分類模型對所述分類特征進行分類，得到分類精度結果，包括：

將所述分類特征輸入所述領域分類模型，得到分類精度結果。

5.根據權利要求1、2或3所述的方法，其特征在于，所述基于預設的精度閾值范圍與遷移學習可行性的對應關系，確定與所述分類精度結果相對應的遷移學習可行性結果，包括：

將所述分類精度結果在所述精度閾值范圍中進行匹配，確定所述分類精度結果對應的目標閾值范圍；

如果所述目標閾值范圍為第一閾值范圍，確定所述目標域與所述輔助域在所述分類特征下不適合進行遷移學習；

如果所述目標閾值范圍為第二閾值范圍，確定所述目標域與所述輔助域在所述分類特征下適合進行遷移學習。

6.一種應用遷移學習可行性度量裝置，其特征在于，包括：

輔助域獲得單元，用于獲得目標域對應的輔助域，所述目標域與所述輔助域中分別包括至少一個樣本數據；

分類模型確定單元，用于基于所述目標域與所述輔助域中的樣本數據，確定領域分類模型及分類特征；

樣本分類單元，用于利用所述領域分類模型對所述分類特征進行分類，得到分類精度結果；

結果確定單元，用于基于預設的精度閾值范圍與遷移學習可行性的對應關系，確定與所述分類精度結果相對應的遷移學習可行性結果。

7.根據權利要求6所述的裝置，其特征在于，所述分類模型確定單元包括：

深度學習子單元，用于對所述目標域和所述輔助域中的樣本數據利用預設的深度學習框架模型進行訓練，得到特征提取模型；

特征獲得子單元，用于將所述目標域和所述輔助域中具有所屬領域的領域標簽的樣本數據輸入所述特征提取模型，得到分類特征；

模型獲得子單元，用于基于所述分類特征，獲得領域分類模型。

8.根據權利要求6所述的裝置，其特征在于，所述模型獲得子單元包括：

特征訓練模塊，用于對所述分類特征進行訓練，得到領域分類模型。

9.根據權利要求6、7或8所述的裝置，其特征在于，所述樣本分類單元具體用于：將所述分類特征輸入所述領域分類模型，得到分類精度結果。

10.根據權利要求6、7或8所述的裝置，其特征在于，所述結果確定單元包括：

范圍匹配子單元，用于將所述分類精度結果在所述精度閾值范圍中進行匹配，確定所述分類精度結果對應的目標閾值范圍；

結果確定子單元，用于如果所述目標閾值范圍為第一閾值范圍，確定所述目標域與所述輔助域在所述分類特征下不適合進行遷移學習；如果所述目標閾值范圍為第二閾值范圍，確定所述目標域與所述輔助域在所述分類特征下適合進行遷移學習。