[发明专利]模型训练、数据分类方法、装置、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，深度分类模型包括：级联的深度匹配模型、类内max层和类间softmax层，所述方法包括：

获取训练样本的D维样本嵌入向量和样本类别，所述训练样本为视频标题，所述样本类别为视频类别；

K个预设类别的每个预设类别所对应的M个D维类别嵌入向量中每个D维类别嵌入向量，以D维类别嵌入向量与所述D维样本嵌入向量作为所述深度匹配模型的输入，输出所述训练样本与所述D维类别嵌入向量的匹配得分，K1，M1，D1，所述预设类别为预设视频类别，所述预设视频类别对应多个视频子类别，每个视频子类别对应一个D维类别嵌入向量；

所述类内max层在每个预设类别所对应的M个匹配得分中确定一个匹配得分，作为所述训练样本与各预设类别的类别匹配得分；

所述类间softmax层基于所述训练样本与各预设类别的类别匹配得分，计算所述训练样本属于每个预设类别的概率；

利用所述训练样本属于每个预设类别的概率与所述样本类别，对所述深度分类模型进行训练，直至所述深度分类模型收敛时，获得所述深度分类模型，以用于视频分类。

2.根据权利要求1所述的模型训练方法，其特征在于，所述类内max层在每个预设类别所对应的M个匹配得分中确定一个匹配得分，作为各预设类别的类别匹配得分，包括：

对于K个预设类别中每个预设类别，所述类内max层将与预设类别对应的M个匹配得分中数值最大的匹配得分，确定为所述训练样本与每个预设类别的类别匹配得分。

3.根据权利要求1所述的模型训练方法，其特征在于，所述类间softmax层基于所述训练样本与各预设类别的类别匹配得分，计算所述训练样本属于每个预设类别的概率，包括：

所述类间softmax层将所述训练样本与各预设类别的类别匹配得分输入softmax函数中，得到训练样本的属于每个预设类别的概率。

4.根据权利要求1所述的模型训练方法，其特征在于，利用所述训练样本属于每个预设类别的概率与所述样本类别，对所述深度分类模型进行训练，直至所述深度分类模型收敛时，获得所述深度分类模型，包括：

根据所述训练样本属于每个预设类别的概率与所述样本类别之间的向量距离确定损失函数；

利用所述损失函数训练所述深度匹配模型，直至所述深度匹配模型收敛，获得所述深度分类模型。

5.根据权利要求1所述的模型训练方法，其特征在于，所述深度匹配模型包括：级联的输入层、多个全连接层及输出层；

以D维类别嵌入向量与所述D维样本嵌入向量作为所述深度匹配模型的输入，输出匹配得分，包括：

将D维类别嵌入向量与所述D维样本嵌入向量输入所述输入层；多个全连接层以输入层的输出作为输入，计算所述D维类别嵌入向量与所述D维样本嵌入向量之间的匹配得分，并通过所述输出层输出所述匹配得分。

6.根据权利要求5所述的模型训练方法，其特征在于，所述将D维类别嵌入向量与所述D维样本嵌入向量输入所述输入层；多个全连接层以输入层的输出作为输入，计算所述D维类别嵌入向量与所述D维样本嵌入向量之间的匹配得分，并通过所述输出层输出所述匹配得分，包括：

所述输入层计算每个D维类别嵌入向量与所述D维样本嵌入向量之间的向量内积，并向多个全连接层中的第一级全连接层输出所述向量内积；

所述第一级全连接层以所述向量内积作为输入，将所述D维样本嵌入向量与预设的D维类别嵌入向量进行匹配计算，输出第一中间得分；

多个全连接层中的第X级全连接层将前一级的全连接层输出的中间得分作为输入进行匹配计算，并通过所述输出层输出所述匹配得分，X=2、3、4……N。