[发明专利]混合标注学习神经网络模型及其训练方法、装置

权利要求书

1.一种混合标注学习神经网络模型，其特征在于，包括：第一子神经网络模型及第二子神经网络模型；

所述第一子神经网络模型，用于对输入的待处理数据进行编码、解码处理，以生成待处理数据对应的初始结果表示，其中，所述待处理数据为文本数据；

所述第二子神经网络模型，用于根据与获取的处理标准对应的向量，对待处理数据对应的初始结果表示进行修正，以生成待处理数据对应的目标结果表示；其中，处理标准为对待处理数据进行标注处理时采用的标注标准；所述第二子神经网络模型，包括：第一嵌入层及自适应层；

所述第一嵌入层，用于对获取的处理标准进行向量映射，以生成与所述处理标准对应的第一向量表示；

所述自适应层，用于对所述第一向量表示及所述第一子神经网络模型输出的初始结果表示，进行自适应处理，以生成待处理数据对应的目标结果表示；

还包括：预处理层；

所述预处理层，用于对编码层输出的待处理数据对应的编码表示进行预处理，以生成所述待处理数据对应的参考表示。

2.如权利要求1所述的神经网络模型，其特征在于，所述第一子神经网络模型包括第二嵌入层、编码层及解码层；

所述第二嵌入层，用于对输入的待处理数据进行向量映射，以生成待处理数据对应的向量表示；

所述编码层，用于对所述第二嵌入层输出的向量表示进行编码处理，以生成所述待处理数据对应的编码表示；

所述解码层，用于对所述待处理数据对应的编码表示进行解码处理，以输出所述待处理数据对应的初始结果表示。

3.如权利要求1所述的神经网络模型，其特征在于，所述第二子神经网络模型，还包括：

所述自适应层，用于对所述第一向量表示、所述参考表示及所述第一子神经网络模型输出的初始结果表示，进行自适应处理，以生成待处理数据对应的目标结果表示。

4.如权利要求1所述的神经网络模型，其特征在于，

所述预处理层，用于将所述文本数据中各字符对应的编码表示进行求均值处理。

5.如权利要求1-4任一项所述的神经网络模型，其特征在于，所述自适应层，用于采用多层感知器，进行自适应处理，以生成待处理数据对应的目标结果表示。

6.一种混合标注学习神经网络模型训练方法，其特征在于，包括：

获取训练样本集，其中训练样本集中包括N种分别根据N种标注标准进行标注的样本数据；

利用所述训练样本集及所述训练样本集中各训练样本分别对应的标注标准，对混合标注学习神经网络模型进行训练，以生成所述混合标注学习神经网络模型中的参数集；所述混合标注学习神经网络模型包括：第一子神经网络模型及第二子神经网络模型；

所述第一子神经网络模型，用于对输入的待处理数据生成对应的初始结果表示，其中，所述样本数据为文本数据；

所述第二子神经网络模型用于根据与待处理数据对应的标注标准，对初始结果表示进行修正，得到目标结果表示；

所述第二子神经网络模型，包括：第一嵌入层及自适应层；

所述第一嵌入层，用于对获取的处理标准进行向量映射，以生成与所述处理标准对应的第一向量表示；

所述自适应层，用于对所述第一向量表示及所述第一子神经网络模型输出的初始结果表示，进行自适应处理，以生成待处理数据对应的目标结果表示；

还包括：预处理层；

所述预处理层，用于对编码层输出的待处理数据对应的编码表示进行预处理，以生成所述待处理数据对应的参考表示。

7.如权利要求6所述的训练方法，其特征在于，所述训练样本集中N种样本数据间的数量差值均小于阈值。