[发明专利]信息识别方法、装置、计算机系统及可读存储介质

说明书

本公开提供了一种文本信息识别模型的训练方法，包括：获取训练样本数据集，其中训练样本数据集中的训练样本包括文本信息及每个文本信息对应的初始类别标签，其中，文本信息至少包括目标关键词，初始类别标签用于表征文本信息为违规信息或者合规信息；构建初始文本信息识别模型，其中，初始文本信息识别模型中包括空洞卷积网络模块和双向长短期记忆网络模块，以及基于训练样本数据集对初始文本信息识别模型进行训练，得到文本信息识别模型。本公开还提供了文本信息识别方法、装置、计算机系统、可读存储介质以及计算机程序产品。

技术领域

本公开涉及计算机技术领域和互联网技术领域，更具体地，涉及一种文本信息识别模型的训练方法、文本信息识别方法、装置、计算机系统、可读存储介质及计算机程序产品。

背景技术

随着生活水平的提高，以及计算机、互联网技术的不断发展，网络购物越来越普及。网络购物为现今的传统企业提供了一个很好的机会与平台，构建合理的网络购物平台不失为传统企业未来发展重心和出路。但是，随着入驻商铺越来越多，网络购物平台上各个店铺展示的网页信息中，可能存在一些违规信息。这样的违规信息展示，容易使消费者上当受骗，且后续无法追溯自己的合法利益。因此，为净化网络购物平台环境，需要对平台上展示的商品信息进行筛选与审核。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：现有筛查方式需要大量的人力投入，工作效率低，审核准确度低，容易出现漏筛情况。

发明内容

有鉴于此，本公开提供了一种文本信息识别模型的训练方法、文本信息识别方法、装置、计算机系统、可读存储介质及计算机程序产品。

本公开的一个方面提供了一种文本信息识别模型的训练方法，包括：

获取训练样本数据集，其中，上述训练样本数据集中的训练样本包括文本信息及每个文本信息对应的初始类别标签，其中，上述文本信息至少包括目标关键词，上述初始类别标签用于表征上述文本信息为违规信息或者合规信息；

构建初始文本信息识别模型，其中，上述初始文本信息识别模型包括空洞卷积网络模块和双向长短期记忆网络模块；以及

基于上述训练样本数据集对上述初始文本信息识别模型进行训练，得到文本信息识别模型。

根据本公开的实施例，其中，上述基于上述训练样本数据集对上述初始文本信息识别模型进行训练，得到文本信息识别模型包括：

基于上述训练样本数据集中的训练样本，构建上述初始文本信息识别模型的损失函数；其中，上述损失函数包括均方错误误差函数；

将上述训练样本输入至上述初始文本信息识别模型中，得到预测类别标签；

将上述预测类别标签与上述初始类别标签输入上述损失函数，得到损失结果；

根据上述损失结果调整上述初始文本信息识别模型中的参数，直到上述损失函数收敛；以及

将上述损失函数收敛时对应的模型作为上述文本信息识别模型。

根据本公开的实施例，其中，上述初始文本信息识别模型还包括特征向量表征网络、注意力机制层、输出层；

上述将上述训练样本输入至上述初始文本信息识别模型中，得到预测类别标签包括：

利用上述特征向量表征网络处理上述训练样本的文本信息，得到第一中间特征；

利用上述空洞卷积网络模块处理上述第一中间特征，得到第二中间特征；

利用上述双向长短期记忆网络模块处理上述第一中间特征，得到第三中间特征；

利用上述注意力机制层处理上述第二中间特征和上述第三中间特征，得到第四中间特征；以及