[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: 201810443376.8
• 申請日: 2018-05-10
• 公開（公告）號: CN108629377A
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 張志偉
• 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：

在多個預設分類中，確定樣本數據屬于的第一預設分類，以及所述樣本數據不屬于的第二預設分類；

根據所述第一預設分類使用梯度下降算法獲取預設分類模型的第一子損失值；

根據所述第二預設分類使用梯度上升算法獲取所述預設分類模型的第二子損失值；

根據所述第一子損失值和所述第二子損失值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，所述根據所述第一子損失值和所述第二子損失值獲取所述預設分類模型的損失值，包括：

根據確定出的第一預設分類的數量與確定出的第二預設分類的數量獲取所述第一子損失值對應的第一權重和所述第二子損失值對應的第二權重；

計算所述第一權重與所述第一子損失值之間的第一乘積；

計算所述第二權重與所述第二子損失值之間的第二乘積；

計算所述第一乘積與所述第二乘積之間的差值，并作為所述損失值。

3.根據權利要求1所述的方法，其特征在于，所述第一預設分類為多個；

所述根據所述第一預設分類使用梯度下降算法獲取預設分類模型的第一子損失值，包括：

使用梯度下降算法獲取所述預設分類模型分別對應每一個第一預設分類的第三子損失值；

將得到的全部第三子損失值求和，得到所述第一子損失值。

4.根據權利要求1所述的方法，其特征在于，所述第二預設分類為多個；

所述根據所述第二預設分類使用梯度上升算法獲取所述預設分類模型的第二子損失值，包括：

使用梯度下降算法獲取所述預設分類模型分別對應每一個第二預設分類的第四子損失值；

將得到的全部第四子損失值求和，得到所述第二子損失值。

5.一種分類模型的損失值獲取裝置，其特征在于，所述裝置包括：

確定模塊，用于在多個預設分類中，確定樣本數據屬于的第一預設分類，以及所述樣本數據不屬于的第二預設分類；

第一獲取模塊，用于根據所述第一預設分類使用梯度下降算法獲取預設分類模型的第一子損失值；

第二獲取模塊，用于根據所述第二預設分類使用梯度上升算法獲取所述預設分類模型的第二子損失值；

第三獲取模塊，用于根據所述第一子損失值和所述第二子損失值獲取所述預設分類模型的損失值。

6.根據權利要求5所述的裝置，其特征在于，所述第三獲取模塊包括：

第一獲取單元，用于根據確定出的第一預設分類的數量與確定出的第二預設分類的數量獲取所述第一子損失值對應的第一權重和所述第二子損失值對應的第二權重；

第一計算單元，用于計算所述第一權重與所述第一子損失值之間的第一乘積；

第二計算單元，用于計算所述第二權重與所述第二子損失值之間的第二乘積；

第三計算單元，用于計算所述第一乘積與所述第二乘積之間的差值，并作為所述損失值。

7.根據權利要求5所述的裝置，其特征在于，所述第一預設分類為多個；

所述第一獲取模塊包括：

第二獲取單元，用于使用梯度下降算法獲取所述預設分類模型分別對應每一個第一預設分類的第三子損失值；

第一求和單元，用于將得到的全部第三子損失值求和，得到所述第一子損失值。

8.根據權利要求5所述的裝置，其特征在于，所述第二預設分類為多個；

所述第二獲取模塊包括：

第三獲取單元，用于使用梯度下降算法獲取所述預設分類模型分別對應每一個第二預設分類的第四子損失值；

第二求和單元，用于將得到的全部第四子損失值求和，得到所述第二子損失值。

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4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4中任一項所述的分類模型的損失值獲取方法的步驟。