[發明專利]一種分類模型的損失值獲取方法及裝置

在審

• 申請號: 201810362639.2
• 申請日: 2018-04-20
• 公開（公告）號: CN108764283A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 張志偉;楊帆
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種分類模型的損失值獲取方法，其特征在于，所述方法包括：

將樣本數據輸入預設分類模型中，得到所述樣本數據分別屬于每一個預設分類的概率；

獲取所述樣本數據的標注分類；

根據所述標注分類獲取所述樣本數據分別與每一個預設分類之間的懲罰權重；

根據每一個懲罰權重和每一個概率獲取所述預設分類模型的損失值。

2.根據權利要求1所述的方法，其特征在于，所述根據所述標注分類獲取所述樣本數據分別與每一個預設分類之間的懲罰權重，包括：

對于每一個預設分類，在已存儲的分類對與懲罰權重之間的對應關系中，查找與由所述標注分類和所述預設分類組成的分類對相對應的懲罰權重。

3.根據權利要求1所述的方法，其特征在于，所述根據每一個懲罰權重和每一個概率獲取所述預設分類模型的損失值，包括：

對于每一個預設分類，根據所述樣本數據屬于所述預設分類的概率獲取所述樣本數據與所述預設分類之間的交叉熵損失值，根據所述樣本數據與所述預設分類之間的懲罰權重，以及所述交叉熵損失值獲取所述預設分類對應的損失值；

根據每一個預設分類分別對應的損失值獲取所述預設分類模型的損失值。

4.根據權利要求3所述的方法，其特征在于，所述根據所述樣本數據屬于所述預設分類的概率獲取所述樣本數據與所述預設分類之間的交叉熵損失值，包括：

將所述樣本數據屬于所述預設分類的概率輸入預設交叉熵損失函數，得到所述預設交叉熵損失函數輸出的交叉熵損失值。

5.根據權利要求3所述的方法，其特征在于，所述根據所述樣本數據與所述預設分類之間的懲罰權重，以及所述交叉熵損失值獲取所述預設分類對應的損失值，包括：

計算所述樣本數據與所述預設分類之間的懲罰權重，與所述交叉熵損失值之間的乘積，得到所述預設分類對應的損失值。

6.根據權利要求3所述的方法，其特征在于，所述根據每一個預設分類分別對應的損失值獲取所述預設分類模型的損失值，包括：

將每一個預設分類分別對應的損失值求和，得到損失總值；

計算預設分類的數量；

計算所述損失總值與所述數量之間的比值，得到所述預設分類模型的損失值。

7.根據權利要求2所述的方法，其特征在于，所述已存儲的分類對與懲罰權重之間的對應關系，通過如下方式得到：

對于多個預設分類中的每兩個預設分類，獲取所述兩個預設分類之間的距離，根據所述距離計算所述兩個預設分類之間的懲罰權重，將由所述兩個預設分類組成的分類對與計算得到的懲罰權重組成對應表項，并存儲在已存儲的分類對與懲罰權重之間的對應關系中。

8.一種分類模型的損失值獲取裝置，其特征在于，所述裝置包括：

輸入模塊，用于將樣本數據輸入預設分類模型中，得到所述樣本數據分別屬于每一個預設分類的概率；

第一獲取模塊，用于獲取所述樣本數據的標注分類；

第二獲取模塊，用于根據所述標注分類獲取所述樣本數據分別與每一個預設分類之間的懲罰權重；

第三獲取模塊，用于根據每一個懲罰權重和每一個概率獲取所述預設分類模型的損失值。

9.一種終端，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的分類模型的損失值獲取程序，所述分類模型的損失值獲取程序被所述處理器執行時實現如權利要求1至7中任一項所述的分類模型的損失值獲取方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有分類模型的損失值獲取程序，所述分類模型的損失值獲取程序被處理器執行時實現如權利要求1至7中任一項所述的分類模型的損失值獲取方法的步驟。