[發(fā)明專利]構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法、裝置和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811559229.3
• 申請日: 2018-12-19
• 公開（公告）號: CN109657792A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設(shè)計(jì)）人: 許國偉;丁文彪;楊松帆;劉子韜;張邦鑫
• 申請（專利權(quán)）人: 北京世紀(jì)好未來教育科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/063
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 王茂華

1.一種構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法，包括：

從用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本集選擇樣本組，所述樣本組至少包括兩正樣本和一負(fù)樣本，所述兩正樣本中包括第一樣本；

利用所述神經(jīng)網(wǎng)絡(luò)的參數(shù)集的當(dāng)前值來分別處理所述樣本組中的相應(yīng)樣本，以獲得對應(yīng)的特征表示；

確定所述第一樣本相對應(yīng)的第一特征表示分別與所述樣本組中余下的至少一正樣本和一負(fù)樣本相對應(yīng)的特征表示的相應(yīng)相關(guān)度；以及

基于所述相應(yīng)相關(guān)度，確定所述參數(shù)集的更新值。

2.根據(jù)權(quán)利要求1所述的方法，還包括通過以下來確定所述樣本集：

獲取候選樣本的多個眾包標(biāo)簽，所述多個眾包標(biāo)簽是由多個用戶提供的將所述候選樣本標(biāo)記為正或負(fù)的標(biāo)簽；

確定所述候選樣本的多個眾包標(biāo)簽中的將所述候選樣本標(biāo)記為正的標(biāo)簽的占比是否高于占比閾值；

響應(yīng)于所述占比高于所述占比閾值，將所述候選樣本添加為所述樣本集中的一正樣本；以及

響應(yīng)于所述占比小于或等于所述占比閾值，將所述候選樣本添加為所述樣本集中的一負(fù)樣本。

3.根據(jù)權(quán)利要求1所述的方法，其中確定所述參數(shù)集的所述更新值包括：

通過加和所述相應(yīng)相關(guān)度來確定相關(guān)度總和；

確定正樣本相關(guān)度，所述正樣本相關(guān)度指示所述第一特征表示與所述樣本組中余下的至少一正樣本相對應(yīng)的特征表示的相應(yīng)相關(guān)度；以及

基于所述正樣本相關(guān)度與所述相關(guān)度總和的比值，確定所述參數(shù)集的所述更新值。

4.根據(jù)權(quán)利要求3所述的方法，還包括：

基于所述正樣本相關(guān)度與所述相關(guān)度的所述比值，確定所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是否收斂；以及

響應(yīng)于確定所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練收斂，輸出所述參數(shù)集的當(dāng)前值。

5.根據(jù)權(quán)利要求1所述的方法，其中確定所述參數(shù)集的所述更新值包括：

基于與所述樣本組中余下的至少一正樣本和負(fù)樣本相關(guān)聯(lián)的多個眾包標(biāo)簽，確定與所述至少一正樣本和所述至少一負(fù)樣本相關(guān)聯(lián)的置信度，所述多個眾包標(biāo)簽是由多個用戶提供的將所述候選樣本標(biāo)記為正或負(fù)的標(biāo)簽；

基于所述置信度，對所述第一特征表示與所述樣本組中余下的所述至少一正樣本和負(fù)樣本對應(yīng)的特征表示的相關(guān)度進(jìn)行加權(quán)；以及

基于經(jīng)加權(quán)的所述相關(guān)度，確定所述參數(shù)集的所述更新值。

6.根據(jù)權(quán)利要求5所述的方法，其中所述置信度包括貝葉斯置信度。

7.根據(jù)權(quán)利要求5所述的方法，還包括：

基于經(jīng)加權(quán)的所述相關(guān)度，確定所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是否收斂；以及

響應(yīng)于確定所述神經(jīng)網(wǎng)絡(luò)的訓(xùn)練收斂，輸出所述參數(shù)集的當(dāng)前值。

8.一種用于構(gòu)建神經(jīng)網(wǎng)絡(luò)的裝置，包括：

選擇模塊，被配置為從用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本集選擇樣本組，所述樣本組至少包括兩正樣本和一負(fù)樣本，所述兩正樣本中包括第一樣本；

處理模塊，被配置為利用所述神經(jīng)網(wǎng)絡(luò)的參數(shù)集的當(dāng)前值來分別處理所述樣本組中的相應(yīng)樣本，以獲得對應(yīng)的特征表示；

相關(guān)度確定模塊，被配置為確定所述第一樣本相對應(yīng)的第一特征表示分別與所述樣本組中余下的至少一正樣本和一負(fù)樣本相對應(yīng)的特征表示的相應(yīng)相關(guān)度；以及

更新值確定模塊，被配置為基于所述相應(yīng)相關(guān)度，確定所述參數(shù)集的更新值。

9.根據(jù)權(quán)利要求8所述的裝置，還包括樣本集確定模塊，所述樣本集確定模塊包括：

獲取模塊，被配置為獲取候選樣本的多個眾包標(biāo)簽，所述多個眾包標(biāo)簽是由多個用戶提供的將所述候選樣本標(biāo)記為正或負(fù)的標(biāo)簽；

占比確定模塊，被配置為確定所述候選樣本的多個眾包標(biāo)簽中的將所述候選樣本標(biāo)記為正的標(biāo)簽的占比是否高于占比閾值；

正樣本添加模塊，被配置為響應(yīng)于所述占比高于所述占比閾值，將所述候選樣本添加為所述樣本集中的一正樣本；以及

負(fù)樣本添加模塊，被配置為響應(yīng)于所述占比小于或等于所述占比閾值，將所述候選樣本添加為所述樣本集中的一負(fù)樣本。