文本意图分类模型训练方法、识别方法、装置、电子设备及存储介质.pdf
骊蓉****23
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
文本意图分类模型训练方法、识别方法、装置、电子设备及存储介质.pdf
本发明实施例提出一种文本意图分类模型训练方法、识别方法、装置、电子设备及存储介质,属于数据处理领域,训练方法包括:获得每个训练文本的词语组和每个训练文本的标注标签,获取到包括图神经网络和分类器的初始模型,从而将所有标注标签作为图神经网络的迭代输入,以使图神经网络学习所有意图标签间的关联关系,并将训练文本的词语组和关联关系作为分类器的迭代输入,对初始模型进行训练,训练出用于得到训练文本的标注标签的分类模型,从而使得训练出的分类模型能够适应数据分布变化的应用场景,极大地提高了分类模型的分类准确。
文本识别模型的训练方法、文本识别方法、电子设备、存储介质.pdf
本申请提供一种文本识别模型的训练方法、文本识别方法、电子设备、计算机可读存储介质,方法包括:获取目标文字的多条语料数据;多条语料数据包括RTL文字对应的第一语料数据和LTR文字对应的第二语料数据;根据多种组合方式,对第一语料数据和所述第二语料数据进行组合,获得与每一组合方式对应的组合语料数据;生成与每一组合语料数据对应的样本图片和标签,并基于样本图片和标签构建样本数据;根据样本数据对深度学习模型进行训练,得到文本识别模型。本申请方案,通过生成复杂的双向文本的样本数据,可以训练出对双向文本准确识别的文本识别
分类模型训练方法、装置、电子设备及存储介质.pdf
本发明公开了一种分类模型训练方法、装置、电子设备及存储介质。该方法包括:获取初始样本数据集,其中,所述初始样本数据集包括第一数据子集和第二数据子集,所述第一数据子集的样本数量大于所述第二数据子集的样本数量;基于第一权重在第一数据子集中进行数据抽样,以及基于第二权重在第二数据子集中进行数据抽样,得到训练数据集,其中,所述第一权重小于所述第二权重;基于所述训练数据集中的样本数据和所述样本数据对应的分类结果,对待训练的分类模型进行训练,得到目标分类模型。上述技术方案,提高了不平衡数据集下的分类效果。
分类模型训练方法、装置、电子设备及存储介质.pdf
本发明实施例公开了一种分类模型训练方法、装置、电子设备及存储介质。该方法包括:确定训练样本集合;针对各训练样本数据,将当前训练样本数据作为待训练分类模型的输入参数,得到与当前训练样本数据相对应的至少一个待确定分类标识;根据当前训练样本数据中的至少一个理论分类标识和相应的至少一个待确定分类标识,对待训练分类模型中的模型参数进行修正;将待训练分类模型中的损失函数收敛作为训练目标,得到目标分类模型。解决了现有技术中基于原始神经网络模型对图像进行分类,存在分类准确性差的问题,实现提高模型训练的速度和准确度,同时在
文本识别模型的训练方法、装置、电子设备及存储介质.pdf
本公开实施例公开了一种文本识别模型的训练方法、装置、电子设备及存储介质,所述方法包括:获取样本文本中样本句子的多个样本分词;通过将所述样本分词输入至所述主干模型获取对应于所述样本句子的第一输出结果,以及通过将所述样本分词输入至所述辅助模型获取对应于所述样本分词的第二输出结果;所述第一输出结果至少用于表示所述主干模型所述样本句子是否涉及目标内容,所述第二输出结果至少用于表示所述样本分词是否涉及所述目标内容;利用所述第一输出结果和第二输出结果对所述主干模型和所述辅助模型的模型参数进行调整;所述主干模型和辅助模