内容提供者
文本分类模型的训练方法、装置、设备和计算机存储介质.pdf
2023-05-17
10金币
866KB
14页
宁馨****找我
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共14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
文本分类模型的训练方法、装置、设备和计算机存储介质.pdf
本发明涉及文本分类模型的训练方法、装置、设备和计算机存储介质,文本分类模型的训练方法包括:获取文本分类模型;获取文本训练数据;将Dropout层的概率值设置为0,得到第一预训练模型,并将文本训练数据输入第一预训练模型,得到第一概率分布;将Dropout层的概率值设置为p(0<p<1),得到第二预训练模型,并将文本训练数据输入第二预训练模型,得到第二概率分布;利用第一概率分布和第二概率分布计算文本分类模型的损失函数,并利用损失函数对文本分类模型的参数进行优化,得到训练完成的文本分
2023-05-17
10
866KB
文本分类模型的训练方法、装置、设备及存储介质.pdf
本申请涉及人工智能，尤其涉及自然语言处理技术领域，提供一种文本分类模型的训练方法、装置、设备及存储介质，该方法包括：获取第一训练数据集，第二训练数据集；将第一训练数据集输入多个候选文本分类模型进行模型训练，获得每个候选文本分类模型对应的模型评价信息；模型评价信息表征候选文本分类模型的泛化能力；根据模型评价信息确定多个候选文本分类模型中泛化能力最强的候选文本分类模型，作为目标文本分类模型；将第二训练数据集输入目标文本分类模型，对目标文本分类模型进行模型训练，获得训练好的目标文本分类模型，实现提高文本分类的准
2023-07-24
10
996KB
分类模型训练方法、装置、计算机设备和存储介质.pdf
本申请涉及人工智能领域，提供了一种分类模型训练方法、装置、计算机设备和存储介质，获取训练集中的第一待训练文本；将第一待训练文本输入预设的待训练模型计算第一待训练文本的预测结果；将预测结果输入预设第一损失函数计算第一损失值；在训练集中选取第二待训练文本；将第一待训练文本和第二待训练文本输入预设第二损失函数计算第二损失值；将第一损失值与第二损失值之和作为待训练模型的目标损失值；根据目标损失值对待训练模型进行训练。通过本申请提供的分类模型训练方法、装置、计算机设备和存储介质，能够使得训练完成后的分类模型更加准确
2023-07-25
10
685KB
文本检测模型的训练方法、装置、计算机设备和存储介质.pdf
本申请涉及一种文本检测模型的训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取图像样本集,图像样本集包括至少一个图像样本;通过参考模型获取图像样本的第一特征图以及第一预测结果;通过待训练模型获取图像样本的第二特征图以及第二预测结果;基于第一特征图和第二特征图,确定图像样本的相似度损失;根据第一预测结果和第二预测结果,确定图像样本的像素级损失;根据第二预测结果以及图像样本的标注结果,确定图像样本的真值损失;基于相似度损失、像素级损失以及真值损失,对待训练模型进行训练,得到文本检测模型。
2023-04-17
10
859KB
账户分类模型训练方法、装置、计算机设备和存储介质.pdf
本申请涉及一种账户分类模型训练方法、装置和计算机设备。所述方法包括：获取待训练账户的多视角信息对应的训练数据集；对训练数据集进行编码得到编码数据集，基于对编码数据集解码得到的解码数据集与所述训练数据集之间的差异得到重构损失；对所述编码数据集进行本质特征提取和语义特征提取，对得到的本质特征数据集和语义特征数据集分别进行视角间一致性约束，得到本质损失和语义损失；基于所述语义特征数据集和所述本质特征数据集进行语义特征预测得到的参考语义特征数据集得到自监督损失；基于所述重构损失、本质损失、语义损失和自监督损失，对
2023-06-03
10
3MB