信息确定模型的训练方法、环境信息确定方法及装置.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CN114266343A(43)申请公布日2022.04.01(21)申请号202111647004.5(22)申请日2021.12.29(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人金莹解鑫袁晓敏许铭刘建林张金义刘颖徐进陈凯李飞(74)专利代理机构中科专利商标代理有限责任公司11021代理人鄢功军(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)H02J3/00(2006.01)权利要求书4页说明书12页附图5页(54)发明名称信息确定模型的训练方法、环境信息确定方法及装置(57)摘要本公开提供了一种信息确定模型的训练方法，涉及人工智能领域，尤其涉及深度学习技术。具体实现方案为：信息确定模型包括第一子模型和第二子模型，该方法包括：将与第一预设时段对应的至少一个序列特征信息输入第一子模型，得到第一预测信息；根据至少一个序列特征信息和第二子模型，得到第二预测信息；根据第一预测信息和第二预测信息，得到与目标时段对应的信息序列；以及根据与目标时段对应的标签序列和信息序列，训练信息确定模型。本公开还提供了一种环境信息确定方法、装置、电子设备和存储介质。CN114266343ACN114266343A权利要求书1/4页1.一种信息确定模型的训练方法，所述信息确定模型包括第一子模型和第二子模型，所述方法包括：将与第一预设时段对应的至少一个序列特征信息输入所述第一子模型，得到第一预测信息；根据所述至少一个序列特征信息和所述第二子模型，得到第二预测信息；根据所述第一预测信息和所述第二预测信息，得到与目标时段对应的信息序列；以及根据与目标时段对应的标签序列和所述信息序列，训练所述信息确定模型。2.根据权利要求1所述的方法，其中，所述第一预设时段包括子时段，所述根据所述至少一个序列特征信息和所述第二子模型，得到第二预测信息包括：根据所述至少一个序列特征信息，获取与子时段对应的至少一个序列子特征信息；以及将所述至少一个序列子特征信息输入第二子模型，得到第二预测信息。3.根据权利要求1所述的方法，其中，所述至少一个序列特征信息与至少一个对象一一对应，所述方法还包括：针对每个对象，执行以下操作：获取与所述每个对象对应的数据序列；对所述数据序列进行切分，得到M个子数据序列，其中，所述M个子数据序列与M个时段一一对应，M为大于或等于1的整数；根据所述M个子数据序列，得到与所述第一预设时段对应的序列特征信息。4.根据权利要求3所述的方法，其中，所述对所述数据序列进行切分，得到M个子数据序列包括：对所述数据序列进行切分，得到N个子数据序列；对所述N个子数据序列进行过采样，得到K个过采样子数据序列；根据与每个第二预设时段对应的预设阈值和每个过采样子数据序列所处的第二预设时段，得到H个过采样子数据序列，其中，第二预设时段为多个；根据所述N个子数据序列和所述H个过采样子数据序列，得到所述M个子数据序列，其中，N为小于或等于M的整数，H为小于或等于K的整数，K为大于或等于1的整数。5.根据权利要求3所述的方法，其中，所述根据所述M个子数据序列，得到与所述第一预设时段对应的序列特征信息包括：对所述M个子数据序列进行第一特征提取，得到M个时域子特征信息；对所述M个子数据序列进行第二特征提取，得到M个第一频域子特征信息；根据所述M个第一频域子特征信息，得到M个第二频域子特征信息；根据所述每个对象的位置信息，确定M个方向信息；根据所述M个子数据序列、所述M个时域子特征信息、所述M个第一频域子特征信息、所述M个第二频域子特征信息和所述M个方向信息，得到与M个时段对应的序列特征信息；根据所述与M个时段对应的序列特征信息，得到与所述第一预设时段对应的序列特征信息。6.根据权利要求1所述的方法，其中，所述第一子模型包括卷积网络、循环网络和注意2CN114266343A权利要求书2/4页力网络，所述将与第一预设时段对应的至少一个序列特征信息输入所述第一子模型，得到第一预测信息包括：将所述至少一个序列特征信息输入所述卷积网络，得到第一输出特征信息；将所述第一输出特征信息输入所述循环网络，得到第二输出特征信息；将所述第二输出特征信息输入所述注意力网络，得到第一预测信息。7.根据权利要求2所述的方法，其中，所述根据与目标时段对应的标签序列和所述信息序列，训练所述信息确定模型包括：根据所述标签序列和所述信息序列，调整所述子时段，以训练所述信息确定模型。8.根据权利要求1至7任一项所述的方法，其中，所述标签序列包括J个数据，所述信息序列包括J个数据，J为大于或等于2的整数，所述根据与目标时段对应的标签序列和所述信息序列，训练