[发明专利]识别控制方法以及识别控制装置

权利要求书

1.一种识别控制方法，包括：

取得第1文本的步骤，所述第1文本是第1语言的文本；

取得第2文本的步骤，所述第2文本是第2语言的文本、且是通过将所述第1文本翻译成所述第2语言而得到的文本；

取得正解标签的步骤，所述正解标签是表现所述第1文本的内容的标签；

以所述第1语言以及所述第2语言向共同的识别模型输入所述第1文本以及所述第2文本的步骤；以及

以使得通过所述共同的识别模型从所述第1文本以及所述第2文本识别的标签符合所述正解标签的方式，更新所述共同的识别模型的步骤。

2.根据权利要求1所述的识别控制方法，

所述识别控制方法还包括：

通过第1转换模型将所述第1文本转换成第1值序列的步骤，所述第1转换模型是用所述第1语言表达的多个要素在意思上越接近则被转换成越接近的多个值的转换模型；和

通过第2转换模型将所述第2文本转换成第2值序列的步骤，所述第2转换模型是用所述第2语言表达的多个要素在意思上越接近则被转换成越接近的多个值的转换模型，

在向所述共同的识别模型输入所述第1文本以及所述第2文本的步骤中，向所述共同的识别模型输入被转换成所述第1值序列的所述第1文本以及被转换成所述第2值序列的所述第2文本。

3.根据权利要求2所述的识别控制方法，

在所述第1转换模型中，用所述第1语言表达的多个要素在意思上越接近则被转换成越接近的多个向量，

在所述第2转换模型中，用所述第2语言表达的多个要素在意思上越接近则被转换成越接近的多个向量，

所述第1值序列是第1向量序列，

所述第2值序列是第2向量序列。

4.根据权利要求1～3中任一项所述的识别控制方法，

所述共同的识别模型是卷积神经网络模型。

5.根据权利要求4所述的识别控制方法，

所述卷积神经网络模型包括交替地层叠的多个卷积层和多个池化层。

6.根据权利要求4所述的识别控制方法，

所述卷积神经网络模型以分开的方式包括与所述第1语言对应的至少一个卷积层和与所述第2语言对应的至少一个卷积层。

7.根据权利要求4所述的识别控制方法，

所述卷积神经网络模型以分开的方式包括与所述第1语言对应的至少一个池化层和与所述第2语言对应的至少一个池化层。

8.根据权利要求4所述的识别控制方法，

所述卷积神经网络模型包括对于所述第1语言和所述第2语言而言共同的至少一个池化层。

9.根据权利要求4所述的识别控制方法，

所述卷积神经网络模型包括对于所述第1语言和所述第2语言而言共同的至少一个卷积层。

10.根据权利要求1～3中任一项所述的识别控制方法，

所述共同的识别模型是递归神经网络模型。

11.根据权利要求1～3中任一项所述的识别控制方法，

所述共同的识别模型包括：

提取第1特征的第1提取层，所述第1特征是所述第1语言的文本的特征；

提取第2特征的第2提取层，所述第2特征是所述第2语言的文本的特征；以及

将所述第1特征和所述第2特征进行连接的连接层。

12.根据权利要求11所述的识别控制方法，

在所述连接层中，表示所述第1特征以及所述第2特征的多个值被进行连结。

13.根据权利要求11所述的识别控制方法，

在所述连接层中，对表示所述第1特征以及所述第2特征的多个值进行线性连接。