[发明专利]小样本学习处理方法、装置、设备及存储介质

说明书

本公开涉及机器学习技术领域，尤其涉及一种小样本学习处理方法、装置、设备及存储介质。方法包括：提取询问样本的询问局部特征；基于所述询问局部特征，获取所述询问样本的询问全局特征；所述基于所述询问局部特征和所述询问全局特征，获取所述询问样本的询问交互特征，其中，所述询问交互特征由所述询问局部特征和所述询问全局特征交互形成；通过所述询问交互特征和支撑样本集，确定所述询问样本的所属类别，其中，所述支撑样本集包括至少一个样本类别，每一个所述样本类别包括至少一个支撑样本。本公开用以解决现有技术中小样本学习方法仅基于局部特征造成学习效率低的缺陷，实现利用局部特征和全局特征之间的相互作用指导语义对齐。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种小样本学习处理方法、装置、设备及存储介质。

背景技术

目前，机器学习是人工智能的重要研究领域。而机器学习中的小样本学习在对齐语义相关的局部区域处理时，能够减轻深度学习对大规模标记训练数据集的依赖，能够快速且低成本地实现任务。但是，小样本学习主要对询问样本的局部特征进行处理，处理结果仅仅能够局限地体现询问样本局部区域的信息，却忽视了全局特征，导致与询问样本全局特征无关的语义权重过高，进而造成小样本学习的效率降低，学习处理结果不准确。

发明内容

本公开提供一种小样本学习处理方法、装置、设备及存储介质，用以解决现有技术中小样本学习方法仅基于局部特征造成学习效率低的缺陷，实现利用局部特征和全局特征之间的相互作用指导语义对齐。

本公开提供一种小样本学习处理方法，包括：提取询问样本的询问局部特征；基于所述询问局部特征，获取所述询问样本的询问全局特征；所述基于所述询问局部特征和所述询问全局特征，获取所述询问样本的询问交互特征，其中，所述询问交互特征由所述询问局部特征和所述询问全局特征交互形成；通过所述询问交互特征和支撑样本集，确定所述询问样本的所属类别，其中，所述支撑样本集包括至少一个样本类别，每一个所述样本类别包括至少一个支撑样本。

根据本公开提供的一种小样本学习处理方法，所述提取询问样本的询问局部特征，包括：提取所述询问样本的询问局部特征矩阵；所述基于所述询问局部特征，获取所述询问样本的询问全局特征，包括：获取所述询问局部特征矩阵包含的至少一个行向量；分别将每一个所述行向量与预设的第一可学习参数相乘，得到至少一个加权行向量；获取所述至少一个所述加权行向量的第一平均值；将所述第一平均值与预设的第二可学习参数相乘，获得所述询问样本的所述询问全局特征矩阵。

根据本公开提供的一种小样本学习处理方法，所述基于所述询问局部特征和所述询问全局特征，获取所述询问样本的询问交互特征，包括：将所述询问局部特征矩阵和所述询问全局特征矩阵叠加，获得所述询问样本的询问交互特征矩阵。

根据本公开提供的一种小样本学习处理方法，所述通过所述询问交互特征和支撑样本集，确定所述询问样本的所属类别，包括：获取所述支撑样本集中每一个所述样本类别对应的类别交互特征；根据所述询问交互特征和所述类别交互特征，分别计算所述询问样本与每一个所述样本类别的相似度；根据至少一个所述相似度，确定所述询问样本的所述所属类别。

根据本公开提供的一种小样本学习处理方法，获得每一个所述类别交互特征的处理过程如下：提取所述样本类别包含的每一个所述支撑样本的支撑局部特征；计算所述样本类别对应的至少一个所述支撑局部特征的第二平均值；基于所述样本类别内每一个所述支撑样本的所述支撑局部特征，分别获取所述样本类型包含的每一个所述支撑样本的支撑全局特征；计算所述样本类别对应的至少一个所述支撑全局特征的第三平均值；叠加所述第二平均值和所述第三平均值，获得所述样本类别对应的所述类别交互特征。