[發明專利]信息處理模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 201911267980.0
• 申請日: 2019-12-11
• 公開（公告）號: CN112949313A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 楊希;胡小克
• 申請（專利權）人: 中移(蘇州)軟件技術有限公司;中國移動通信集團有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 侯艷華;張穎玲

1.一種信息處理模型訓練方法，其特征在于，所述方法包括：

獲取訓練樣本；

確定所述訓練樣本對應的以字向量為維度的第一樣本特征和以詞向量為維度的第二樣本特征；

基于所述第一樣本特征和所述第二樣本特征，及所述訓練樣本的情感屬性訓練目標信息處理模型。

2.根據權利要求1所述方法，其特征在于，所述確定所述訓練樣本對應的以字向量為維度的第一樣本特征和以詞向量為維度的第二樣本特征，包括：

基于所述訓練樣本，分別獲取由單個字組成的字樣本序列和由詞組組成的詞組樣本序列；

基于所述字樣本序列，獲取以字向量為維度的第一樣本特征，以及基于所述詞組樣本序列，獲取以詞向量為維度的第二樣本特征。

3.根據權利要求1所述方法，其特征在于，所述目標信息處理模型包括雙線性卷積神經網絡模型，所述基于所述第一樣本特征和所述第二樣本特征，及所述訓練樣本的情感屬性訓練目標信息處理模型，包括：

利用所述目標信息處理模型中第一卷積神經網絡的卷積層，基于所述第一樣本特征，獲取各個卷積核對應的第一局部特征；

利用所述第一卷積神經網絡的全連接層，將所述第一局部特征進行拼接，獲取第一特征；

利用所述目標信息處理模型中第二卷積神經網絡的卷積層，基于所述第二樣本特征，獲取各個卷積核對應的第二局部特征；

利用所述第二卷積神經網絡的全連接層，將所述第二局部特征進行拼接，獲取第二特征；

利用所述目標信息處理模型中線性混合層，基于所述第一特征和所述第二特征獲取混合特征；

將所述混合特征輸入到所述目標信息處理模型中輸出層，獲取所述訓練樣本的預測情感屬性；

基于所述預測情感屬性和所述訓練樣本的情感屬性，訓練所述目標信息處理模型。

4.根據權利要求1所述方法，其特征在于，在所述訓練目標信息處理模型之后，所述方法還包括：

在所述訓練樣本中選擇至少兩個第一訓練樣本；

基于所述至少兩個第一訓練樣本，訓練至少兩個候選信息處理模型；

利用所述至少兩個候選信息處理模型，預測新的樣本的預測情感屬性。

5.根據權利要求4所述的方法，其特征在于，在所述利用所述至少兩個候選信息處理模型，預測新的樣本的預測情感屬性后，所述方法還包括：

在所述至少兩個候選信息處理模型針對所述新的樣本，預測的預測情感屬性相等的數量大于第一閾值時，將所述新的樣本中的第一樣本作為所述目標信息處理模型的訓練樣本；所述第一樣本為所述新的樣本中的部分或全部樣本；

所述至少兩個候選信息處理模型針對所述新的樣本，預測的預測情感屬性相等的數量小于或等于第一閾值時，對所述新的樣本的情感屬性進行標注，并將所述新的樣本作為所述目標信息處理模型的訓練樣本。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述方法還包括：

獲取預測樣本中以字向量為維度的第三樣本特征和以詞向量為維度的第四樣本特征；

將所述第三樣本特征和所述第四樣本特征輸入所述目標信息處理模型，獲得預測樣本對應的預測情感屬性。

7.一種信息處理模型訓練裝置，其特征在于，所述裝置包括獲取模塊、確定模塊和訓練模塊，其中，

所述獲取模塊，用于獲取訓練樣本；

所述確定模塊，用于確定所述訓練樣本對應的以字向量為維度的第一樣本特征和以詞向量為維度的第二樣本特征；

所述訓練模塊，用于基于所述第一樣本特征和所述第二樣本特征，及所述訓練樣本的情感屬性訓練目標信息處理模型。

8.根據權利要求7所述裝置，其特征在于，所述裝置還包括預測模塊，其中，

所述確定模塊，還用于獲取預測樣本中以字向量為維度的第三樣本特征和以詞向量為維度的第四樣本特征；

所述預測模塊，用于將所述第三樣本特征和所述第四樣本特征輸入所述目標信息處理模型，獲得預測樣本對應的預測情感屬性。