[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

摘要

本发明涉及一种模型训练、数据分类方法、装置、电子设备及存储介质，方法包括：获取训练样本的D维样本嵌入向量和样本类别；以D维类别嵌入向量与D维样本嵌入向量作为深度匹配模型的输入，输出训练样本与D维类别嵌入向量的匹配得分；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，作为训练样本与各预设类别的类别匹配得分；类间softmax层基于训练样本与各预设类别的类别匹配得分，计算训练样本属于每个预设类别的概率；利用训练样本属于每个预设类别的概率与样本类别，对深度分类模型进行训练，直至深度分类模型收敛时，获得深度分类模型。本发明实施例通过使用M个D维类别嵌入向量描述类别，减小分类误差，使分类更加准确。

主权项

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：/n获取训练样本的D维样本嵌入向量和样本类别；/nK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，K>1，M>1，D>1；/n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；/n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；/n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。/n