一种行为辨识及模型训练的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110852442A(43)申请公布日2020.02.28(21)申请号201911036281.5(22)申请日2019.10.29(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人张慧英(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人靳玫(51)Int.Cl.G06N7/00(2006.01)权利要求书2页说明书10页附图2页(54)发明名称一种行为辨识及模型训练的方法和装置(57)摘要本说明书实施例提供一种行为辨识及模型训练的方法和装置，其中，所述方法包括：获取训练数据，训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据以及实体对象的隐状态；所述传感器数据是在不同实体对象的行为交互过程中采集得到；初始化多个模型参数，每个模型参数包括不同实体对象对应的参数，且模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率以及不同实体对象的隐状态之间的转移概率；根据模型参数进行模型训练，其中，在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，则使用实体对象与另一实体对象之间的隐状态的转移概率；并且当达到模型训练结束条件时，获得行为辨识模型。CN110852442ACN110852442A权利要求书1/2页1.一种行为辨识模型的训练方法，所述方法基于耦合隐马尔科夫链进行所述行为辨识模型的训练；所述方法包括：获取训练数据，所述训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据、以及所述实体对象的隐状态；所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；初始化多个模型参数，每个所述模型参数包括所述不同实体对象对应的参数，且所述模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率、以及不同实体对象的隐状态之间的转移概率；根据所述模型参数进行模型训练，其中，在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，则使用所述实体对象与另一实体对象之间的隐状态的转移概率；并且当达到模型训练结束条件时，获得所述行为辨识模型。2.根据权利要求1所述的方法，所述在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，使用所述实体对象与另一实体对象之间的隐状态的状态转移概率，包括：在模型训练的演绎过程中的目标时刻，若所述目标时刻的所述实体对象对应的隐状态缺失，则使用所述实体对象在所述目标时刻的隐状态向另一个实体对象在下一时刻的隐状态之间的转移概率。3.根据权利要求1所述的方法，所述根据所述模型参数进行模型训练，包括：根据前向-后向算法，训练所述模型参数。4.一种行为辨识方法，所述方法包括：获取在目标时刻采集的传感器数据，所述传感器数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据；且所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；通过权利要求1至3任一所述的方法训练得到的模型，确定在所述目标时刻所述传感器数据对应的隐状态最佳路径；根据所述隐状态最佳路径，确定所述传感器数据对应的实体对象行为。5.根据权利要求4所述的方法，所述方法还包括：基于识别的实体对象行为，为所述传感器数据设置对应的行为标签，所述行为标签用于标识所述传感器数据是实体对象在进行所述识别的实体对象行为时采集得到。6.根据权利要求4所述的方法，所述确定在所述目标时刻所述传感器数据对应的隐状态最佳路径，包括：使用维特比算法确定所述隐状态最佳路径。7.一种行为辨识模型的训练装置，所述装置包括：数据获取模块，用于获取训练数据，所述训练数据包括：具有行为交互关联的不同实体对象分别对应的传感器数据、以及所述实体对象的隐状态；所述传感器数据是在所述不同实体对象的行为交互过程中采集得到；参数处理模块，用于初始化多个模型参数，每个所述模型参数包括所述不同实体对象对应的参数，且所述模型参数中的状态转移概率包括：同一实体对象的隐状态之间的转移概率、以及不同实体对象的隐状态之间的转移概率；2CN110852442A权利要求书2/2页训练处理模块，用于根据所述模型参数进行模型训练，其中，在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，则使用所述实体对象与另一实体对象之间的隐状态的转移概率；并且当达到模型训练结束条件时，获得所述行为辨识模型。8.根据权利要求7所述的装置，所述训练处理模块，在用于在模型训练的演绎过程中，若一个实体对象在目标时刻缺失对应的隐状态，使用所述实体对象与另一实体对象之间的隐状态的状态转移概率时，包括：在模型训练的演绎过程中的目标时刻，若所述目标时刻的所述实体对象对应的隐状态缺失，则使用所述实