[發明專利]模型訓練方法、分類信息生成方法、裝置、設備和介質

在審

• 申請號: 202310560745.2
• 申請日: 2023-05-17
• 公開（公告）號: CN116644346A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 潘瀅煒;姚霆;梅濤
• 申請（專利權）人: 京東科技控股股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/214;G06N3/0464;G06F17/16
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 姜悅

1.一種模型訓練方法，包括：

響應于確定初始分類模型的模型訓練未達到預定訓練階段，利用初始域獨占特征識別模型，生成針對第一數據的初始域獨占特征信息，其中，所述初始分類模型包括：所述初始域獨占特征識別模型和初始域不變特征識別模型；

生成針對獨占特征權重矩陣和域不變特征權重矩陣的初始正交損失信息；

根據所述初始正交損失信息和針對所述初始域獨占特征信息的域獨占特征損失信息，對所述初始域獨占特征識別模型、所述獨占特征權重矩陣和所述域不變特征權重矩陣進行參數初步更新；

響應于確定初步更新后的分類模型的模型訓練達到所述預定訓練階段，利用初步更新后的域獨占特征識別模型，生成針對第二數據的初步域獨占特征信息，以及利用所述初始域不變特征識別模型，生成針對所述第二數據的初始域不變特征信息；

根據所述初步域獨占特征信息、所述初始域不變特征信息、更新后獨占特征權重矩陣和更新后域不變特征權重矩陣，對所述初步更新后的分類模型進行模型訓練。

2.根據權利要求1所述的方法，其中，所述初始域獨占特征識別模型包括：初始特征提取模型和初始多頭偏見分類模型；以及

所述利用初始域獨占特征識別模型，生成針對第一數據的初始域獨占特征信息，包括：

將所述第一數據輸入至所述初始特征提取模型，以輸出第一數據特征信息；

將所述第一數據特征信息輸入至所述初始多頭偏見分類模型，以輸出所述初始域獨占特征信息。

3.根據權利要求2所述的方法，其中，所述根據所述初始正交損失信息和針對所述初始域獨占特征信息的域獨占特征損失信息，對所述初始域獨占特征識別模型、所述獨占特征權重矩陣和所述域不變特征權重矩陣進行參數初步更新，包括：

根據所述初始正交損失信息和所述域獨占特征損失信息，生成模型訓練損失信息；

根據所述模型訓練損失信息，對所述初始特征提取模型、所述初始多頭偏見分類模型、所述獨占特征權重矩陣和所述域不變特征權重矩陣進行參數初步更新，得到更新后特征提取模型、更新后多頭偏見分類模型、所述更新后獨占特征權重矩陣和所述更新后域不變特征權重矩陣。

4.根據權利要求3所述的方法，其中，所述初始域不變特征識別模型包括：所述更新后特征提取模型和初始通用分類模型；以及

所述利用所述初始域不變特征識別模型，生成針對所述第二數據的初始域不變特征信息，包括：

將所述第二數據輸入至所述更新后特征提取模型，以輸出第二數據特征信息；

將所述第二數據特征信息輸入至所述初始通用分類模型，以輸出所述初始域不變特征信息。

5.根據權利要求1所述的方法，其中，所述根據所述初步域獨占特征信息、所述初始域不變特征信息、更新后獨占特征權重矩陣和更新后域不變特征權重矩陣，對所述初步更新后的分類模型進行模型訓練，包括：

生成針對所述更新后獨占特征權重矩陣和所述更新后域不變特征權重矩陣的正交損失信息，作為目標正交損失信息；

生成針對所述初步域獨占特征信息的域獨占特征損失信息，作為目標域獨占特征損失信息；

生成針對初始域不變特征信息的域不變特征損失信息，作為目標域不變特征損失信息；

根據所述目標正交損失信息、所述目標域獨占特征損失信息和所述目標域不變特征損失信息，對所述初步更新后的分類模型進行模型訓練。

6.根據權利要求5所述的方法，其中，所述初始域獨占特征信息為矩陣形式；以及

所述生成針對所述初步域獨占特征信息的域獨占特征損失信息，作為目標域獨占特征損失信息，包括：

對初始域獨占特征信息矩陣進行目標方向最大值求取處理，得到初始域獨占特征向量；

將所述初始域獨占特征向量輸入至域獨占特征損失函數，以輸出所述目標域獨占特征損失信息。