[发明专利]用于识别信息的方法和装置

说明书

本申请公开了用于识别信息的方法和装置。该方法的一具体实施方式包括：获取待识别信息；将该待识别信息导入神经网络模型，生成该待识别信息分别属于至少三种预设类型中的各种类型的概率，并且根据生成的概率识别该待识别信息所属的类型，其中，该神经网络模型根据更新后的初始神经网络模型得到，初始神经网络模型基于以下步骤更新：将第一训练样本导入初始神经网络模型，生成该第一训练样本属于该各种类型的概率；获取至少一个区分难度权重；基于该至少一个区分难度权重和该第一训练样本属于各种类型的概率，确定初始神经网络模型的模型误差；根据该模型误差更新初始神经网络模型。该实施方式提高了信息识别的准确率。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于识别信息的方法和装置。

背景技术

随着计算机技术的发展，可以利用计算机对信息进行识别，例如对图片信息、文本信息、声音信息等进行识别。现有技术中，通常利用预先建立的模型对信息进行识别。

然而，现有的信息识别方式，通常对较为相似的信息难以区分，从而，存在着信息识别准确率较低的问题。

发明内容

本申请的目的在于提出一种改进的用于识别信息的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于识别信息的方法，上述方法包括：获取待识别信息；将上述待识别信息导入神经网络模型，生成上述待识别信息分别属于至少三种预设类型中的各种类型的概率，并且根据生成的概率识别上述待识别信息所属的类型，其中，上述神经网络模型根据更新后的初始神经网络模型得到，初始神经网络模型基于以下步骤更新：将第一训练样本导入初始神经网络模型，生成上述第一训练样本属于上述各种类型的概率，其中，上述初始神经网络模型用于表征信息与信息属于上述各种类型的概率之间的对应关系；获取至少一个区分难度权重，其中，区分难度权重用于表征区分类型对中两种类型的信息的难度，类型对由上述至少三种预设类型中的两种类型组成；基于上述至少一个区分难度权重和上述第一训练样本属于上述各种类型的概率，确定初始神经网络模型的模型误差；根据上述模型误差更新初始神经网络模型。

第二方面，本申请实施例提供了一种用于识别信息的装置，上述装置包括：获取单元，用于获取待识别信息；识别单元，用于将上述待识别信息导入神经网络模型，生成上述待识别信息分别属于至少三种预设类型中的各种类型的概率，并且根据生成的概率识别上述待识别信息所属的类型，其中，上述神经网络模型根据更新后的初始神经网络模型得到，初始神经网络模型通过更新单元更新的，上述更新单元包括：生成模块，用于将第一训练样本导入初始神经网络模型，生成上述第一训练样本属于上述各种类型的概率，其中，上述初始神经网络模型用于表征信息与信息属于上述各种类型的概率之间的对应关系；获取模块，用于获取至少一个区分难度权重，其中，区分难度权重用于表征区分类型对中两种类型的信息的难度，类型对由上述至少三种预设类型中的两种类型组成；确定模块，用于基于上述至少一个区分难度权重和上述第一训练样本属于上述各种类型的概率，确定初始神经网络模型的模型误差；更新模块，用于根据上述模型误差更新初始神经网络模型。

第三方面，本申请实施例提供了一种服务器，上述服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的方法。

本申请实施例提供的用于识别信息的方法和装置，通过所利用的进行信息识别的神经网络模型，通过根据上述区分难度权重确定模型误差，可以使得模型误差与区分难度权重相关。通俗来说，难以区分的类型对对应的区分难度权重较大，则难以区分类型对对模型的模型误差贡献较大，如果模型对于难以区分的类型对的区分能力较差，则模型误差还是会较大。在降低模型误差的过程中，可以使得模型对难以区分类型对的区分能力提高，从而，可以识别信息的准确率。

附图说明