基于特征融合的分类模型训练方法、装置、设备及介质.pdf
努力****幻翠
亲,该文档总共18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
基于特征融合的分类模型训练方法、装置、设备及介质.pdf
本发明涉及人工智能技术领域,尤其涉及一种基于特征融合的分类模型训练方法、装置、设备及介质。该基于特征融合的分类模型训练方法包括获取目标客户的静态特征以及根据全量历史行为数据提取的动态特征;基于当前时间与每一目标触发行为的触发时间,获取目标触发行为的间隔时间特征;对间隔时间特征以及动态特征进行特征融合,得到目标触发行为的融合特征;基于静态特征以及目标触发行为的融合特征,构建目标客户的客户画像特征;将多个客户画像特征作为目标样本集,以基于目标样本集训练原始客群分类模型,得到目标客群分类模型。该方法可在保证采用
融合模型、融合方法、训练方法、装置、设备及介质.pdf
本发明实施例提供了一种融合模型、融合方法、训练方法、装置、设备及介质,所述融合模型包括:至少包括多头检测器以及融合器,多头检测器包括若干个检测头;其中,检测头用于对输入融合模型中的若干个目标数据集进行标注,获得目标数据集对应的目标标签;融合器用于将各个目标数据集以及目标数据集对应的目标标签进行数据融合,输出针对若干个目标数据集的融合数据集。以解决或部分解决不同数据集之间因标签空间不同直接合并数据集后会导致数据集中存在大量目标漏标、误标以及标签精度差等导致融合数据集质量低的问题。
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
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
语义分类模型的训练方法、装置、设备及存储介质.pdf
本申请涉及数据处理技术领域,揭示了一种语义分类模型的训练方法、装置、设备及存储介质,其中方法包括:将训练样本输入第一分类训练模型中,得到第一语义分类结果,并通过损失函数计算第一语义分类结果的第一损失值;将扰动元素项与稀疏矩阵进行叠加,得到扰动矩阵;将不同的扰动矩阵添加至第一分类训练模型的词嵌入向量中,得到若干个第二分类训练模型;采用每一个第二分类训练模型分别对训练样本进行语义分类,得到若干组不同的第二语义分类结果,通过损失函数计算每一组第二语义分类结果的第二损失值,并根据第二损失值在第二分类训练模型中选取