内容提供者
商品分类方法与训练方法、装置、设备、介质、产品.pdf
2023-05-21
10金币
968KB
21页
一只****ng
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21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
商品分类方法与训练方法、装置、设备、介质、产品.pdf
本申请涉及一种商品分类方法与训练方法、装置、设备、介质、产品,所述训练方法包括:获取预训练数据集中的预训练样本,所述预训练样本包括两句中文描述文本;在中文特征表示模型的编码层分词获得由所述预训练样本中的多个词元的词向量构成的词向量序列的基础上,将词义完整的部分词向量替换为掩码标签;在所述中文特征表示模型的加工层将所述掩码标签替换为其相对应的词向量的近义词向量或随机词向量,获得词向量更新序列;由所述中文特征表示模型的表示层对所述词向量更新序列提取深层语义信息以执行训练任务而实施迭代训练,将所述模型训练至收敛
2023-05-21
10
968KB
跨模态商品分类方法及其装置、设备、介质、产品.pdf
本申请公开一种跨模态商品分类方法及其装置、设备、介质、产品，所述方法包括：获取商品对象的图文拼接向量，所述图文拼接向量由商品图片的图片编码向量和商品标题的文本编码向量拼接而成；基于多头注意力机制对所述图文拼接向量进行多级编码，实现所述图片编码向量与所述文本编码向量的第一次特征交互，获得第一图文融合向量；基于多头注意力机制将第一图文融合向量与表示该商品对象在预设类目树标签结构中的商品标签的标签编码向量进行第二次特征交互，获得第二图文融合向量；根据所述第二图文融合向量进行分类，根据分类结果判定所述商品对象的分
2023-07-25
10
1.1MB
分类模型的训练方法、分类方法、装置、介质及设备.pdf
本发明公开了分类模型的训练方法、分类方法、装置、介质及设备。其中分类模型的训练方法包括：获取未设置分类标签的第一样本数据，将所述第一样本数据输入至预先训练的基础分类模型中，确定所述第一样本数据设置预设分类标签的概率，其中，所述基础分类模型基于设置预设分类标签的第二样本数据训练得到；基于所述第一样本数据设置分类标签的概率确定所述第一样本数据的权重；基于第二样本数据、所述第一样本数据以及所述第一样本数据的权重对待训练的分类模型进行训练，得到目标分类模型。实现对未设置标签的样本数据的标签处理，替代了人工对样本设
2023-06-14
10
827KB
分类模型训练方法、分类方法、装置、设备以及介质.pdf
本发明实施例公开了一种分类模型训练方法、分类方法、装置、设备以及介质。该方法包括：在初始样本数据中确定当前次迭代的第一抽样样本数据和第二抽样样本数据，其中，所述第一抽样样本数据为首次迭代中预设数量的随机抽样数据或上一次迭代中第一抽样样本数据和第二抽样样本数据的合集，各次迭代中的第二抽样样本数据的分类结果基于对应的第一抽样样本数据的分类结果确定；基于所述第一抽样样本数据和第二抽样样本数据，以及各样本数据的分类结果对当前分类模型进行训练，并得到当前次迭代更新后的分类模型，得到训练后的目标分类模型。通过本发明实
2023-07-25
10
550KB
模型的训练方法、知识分类方法、装置、设备、介质.pdf
本实施例提供模型的训练方法、知识分类方法、装置、设备、介质，属于机器学习技术领域。该方法包括：获取原始标注数据；原始标注数据包括题干数据、选项数据和答案数据；对所述题干数据进行编码处理，得到题干表征向量；根据预设的知识图谱对选项数据和答案数据进行编码处理，得到选项属性值和答案属性值；将所述选项属性值和所述答案属性值进行分词和拼接处理，得到选项答案表征向量；将所述题干表征向量和所述选项答案表征向量进行向量拼接，得到题目数据；根据所述题目数据对预设的预训练模型进行训练，得到知识分类模型，该知识分类模型用于对目
2023-07-24
10
708KB