[发明专利]一种语种识别方法

说明书

本发明提供一种语种识别方法，包括使用神经网络为源域数据提取源域特征向量，为目标域数据提取目标域特征向量；基于源域特征向量和目标域特征向量，进行共有特征捕捉以及差异性特征捕捉；将捕捉到的源域共有特征向量输入第一分类器得到第一分类结果；将捕捉的源域差异特征向量输入至第二分类器得到第二分类结果；基于源域共有特征向量和源域差异特征向量进行特征融合，将获取的源域融合特征向量输入至第三分类器得到第三分类结果；根据第一分类结果、第二分类结果和第三分类结果，对神经网络、第一分类器、第二分类器和第三分类器进行训练。该方法能够不对目标域数据进行标注，生成质量较高的伪标签。

技术领域

本发明涉及深度学习技术领域，具体而言，涉及一种语种识别方法。

背景技术

迁移学习可以利用已知领域中有标签的训练样本(可称为源域数据)训练分类模型来对目标领域的数据(可称为目标域数据)进行标定，而并不要求源域数据和目标域数据具有相同的数据分布。迁移学习实际上是通过找寻待标定数据和已知标签数据之间的联系，例如采用核函数的方式将源域和目标域数据映射到同一空间中，在该空间下源域数据和目标域数据拥有相同的分布，从而可以利用该空间表示的有标签的源域样本数据训练分类器来对目标领域进行标定。

已有的迁移学习方法中，存在一种利用伪标签指导目标域数据分类的网络模型。当前一般利用初始卷积神经网络(Convolutional Neural Network，CNN)生成伪标签。这种方法中，如果要生成质量较高的伪标签，则需要对一部分目标域数据进行标注；如果没有对部分目标域数据进行标注，则会造成生成的伪标签质量不高的问题，进而利用少量目标域数据引导迁移学习难度较大。

发明内容

有鉴于此，本发明实施例的目的在于提供一种语种识别方法，能够不对目标域数据进行标注，生成质量较高的伪标签。

第一方面，本发明实施例提供了一种语种识别方法，该方法包括：

获取带有标签的源域数据以及不带标签的目标域数据；

将所述源域数据以及所述目标域数据输入同一神经网络，为所述源域数据提取源域特征向量，并为所述目标域数据提取目标域特征向量；

基于所述源域特征向量以及所述目标域特征向量，对所述源域数据和所述目标域数据进行共有特征捕捉以及差异性特征捕捉；并

将捕捉的源域数据的源域共有特征向量输入第一分类器，得到第一分类结果；以及将捕捉的源域数据的源域差异特征向量输入至第二分类器，得到第二分类结果；

基于所述源域共有特征向量和所述源域差异特征向量，对所述源域数据进行特征融合，并将获取的源域数据的源域融合特征向量输入至第三分类器，得到第三分类结果；

根据所述第一分类结果、第二分类结果以及第三分类结果，分别对所述神经网络、所述第一分类器、所述第二分类器以及所述第三分类器进行本轮训练；

经过对所述神经网络、所述第一分类器、所述第二分类器以及所述第三分类器进行多轮训练，得到伪标签生成模型。

第二方面，本发明实施例提供了一种伪标签生成方法，该方法包括：

将目标数据输入至本申请第一方面提供的伪标签生成模型训练方法训练得到的伪标签生成模型中，分别使用第一分类器、第二分类器以及第三分类器得到所述目标数据的第七分类结果、第八分类结果以及第九分类结果；

当所述第七分类结果、第八分类结果以及第九分类结果一致时的分类结果作为所述目标数据的伪标签。

第三方面，本发明实施例提供了一种语种识别装置，该装置包括：

获取模块：用于获取带有标签的源域数据以及不带标签的目标域数据；