[發(fā)明專利]一種機(jī)器學(xué)習(xí)方法以及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011375881.7
• 申請(qǐng)日: 2020-11-30
• 公開（公告）號(hào): CN112801265A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計(jì)）人: 楊擴(kuò);葉翰嘉;洪藍(lán)青;胡海林
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳市深佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 陳松浩

1.一種機(jī)器學(xué)習(xí)方法，其特征在于，包括：

獲取支撐集和查詢集，所述支撐集和所述查詢集中樣本包括的實(shí)際標(biāo)簽包括多種類型的信息，所述多種類型的信息對(duì)應(yīng)多個(gè)維度的概念空間；

使用所述支撐集和所述查詢集對(duì)目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行至少一次迭代更新，得到更新后的目標(biāo)神經(jīng)網(wǎng)絡(luò)，其中，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)中包括元模型和概念空間映射模型，所述至少一次迭代更新中的任意一次更新包括：將所述支撐集中的至少一個(gè)支撐樣本作為所述元模型的輸入，得到至少一組第一特征向量，以及將所述查詢集中的至少一個(gè)查詢樣本作為元模型的輸入，得到至少一組第二特征向量，所述元模型用于提取輸入的樣本的特征；通過所述概念空間映射模型，將所述至少一組第一特征向量映射至所述多個(gè)維度的概念空間中，得到至少一組第三特征向量，以及將所述至少一組第二特征向量映射至所述多個(gè)維度的概念空間中，得到至少一組第四特征向量；根據(jù)所述至少一組第三特征向量和所述至少一組第四特征向量，得到在所述多個(gè)維度的概念空間中，所述至少一個(gè)查詢樣本和所述至少一個(gè)支撐樣本之間的距離；根據(jù)所述至少一個(gè)查詢樣本和所述至少一個(gè)支撐樣本之間的距離，得到所述至少一個(gè)查詢樣本得到預(yù)測標(biāo)簽；根據(jù)所述至少一個(gè)查詢樣本的預(yù)測標(biāo)簽獲取所述至少一個(gè)查詢樣本的損失值；根據(jù)所述至少一個(gè)查詢樣本的損失值更新所述目標(biāo)神經(jīng)網(wǎng)絡(luò)，得到當(dāng)前次迭代更新后的所述目標(biāo)神經(jīng)網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)還包括概率預(yù)測模型，所述概率預(yù)測模型用于計(jì)算輸入的向量對(duì)應(yīng)的樣本與所述多個(gè)維度之間的關(guān)聯(lián)度，所述方法還包括：

將所述至少一組第一特征向量作為概率預(yù)測模型的輸入，輸出至少一組第一概率向量，以及將所述至少一組第二特征向量作為所述概率預(yù)測模型的輸入，輸出至少一組第二概率向量，所述概率預(yù)測模型用于計(jì)算輸入的向量對(duì)應(yīng)的樣本與所述多個(gè)維度的關(guān)聯(lián)度，所述至少一組第一概率向量和所述至少一組第二概率向量用于得到所述至少一個(gè)查詢樣本得到預(yù)測標(biāo)簽。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述多種類型的信息中包括所述支撐集和所述查詢集中樣本的多種分類的信息，

所述根據(jù)所述至少一個(gè)查詢樣本和所述至少一個(gè)支撐樣本之間的距離，得到所述至少一個(gè)查詢樣本得到預(yù)測標(biāo)簽，包括：

根據(jù)第一查詢樣本對(duì)應(yīng)的第一概率向量以及所述至少一組第一概率向量，計(jì)算所述第一查詢樣本和所述至少一個(gè)支撐樣本中每個(gè)支撐樣本之間的距離分別對(duì)應(yīng)的權(quán)重，所述第一查詢樣本是所述至少一個(gè)查詢樣本中的任意一個(gè)；

根據(jù)第一查詢樣本和所述至少一個(gè)支撐樣本之間的距離，以及所述第一查詢樣本和所述至少一個(gè)支撐樣本中每個(gè)支撐樣本之間的距離分別對(duì)應(yīng)的權(quán)重，計(jì)算所述第一查詢樣本的類別分別為所述多個(gè)類別的概率，得到所述第一查詢樣本的預(yù)測標(biāo)簽。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)第一查詢樣本和所述至少一個(gè)支撐樣本之間的距離，以及所述第一查詢樣本和所述至少一個(gè)支撐樣本中每個(gè)支撐樣本之間的距離分別對(duì)應(yīng)的權(quán)重，計(jì)算所述第一查詢樣本的類別分別為所述多個(gè)類別的概率，得到所述第一查詢樣本的預(yù)測標(biāo)簽，包括：

根據(jù)所述第一查詢樣本的第二概率向量和所述至少一個(gè)支撐樣本的第一概率向量，得到所述第一查詢樣本和所述至少一個(gè)支撐樣本之間的距離在所述多個(gè)維度中的每個(gè)維度概念空間中的權(quán)重；

根據(jù)所述權(quán)重對(duì)所述第一查詢樣本和所述至少一個(gè)支撐樣本之間的距離進(jìn)行加權(quán)運(yùn)算，得到第一距離和；

從所述至少一個(gè)支撐樣本中確定分類為第一類別的支撐樣本，所述第一類別為所述多個(gè)類別中的任一類別；

根據(jù)所述權(quán)重對(duì)所述第一查詢樣本與所述分類為第一類別的支撐樣本之間的距離進(jìn)行加權(quán)運(yùn)算，得到第二距離和；

根據(jù)所述第一距離和與所述第二距離和計(jì)算得到所述第一查詢樣本的分類為所述第一類別的預(yù)測概率，所述預(yù)測概率用于得到所述預(yù)測標(biāo)簽。