[发明专利]基于多重注意力模型的分类方法、装置及设备

说明书

本申请提供了一种基于多重注意力模型的分类方法，将获取的第一向量和第二向量输入预设的分类模型，得到分类模型输出的待分类的对象的分类结果，其中，分类模型中的第一类注意力模块可以建立第一向量与第二向量之间的相关性，得到第一特征向量以及第二特征向量。分类模型中的第二类注意力模块可以建立第一特征向量以及第二特征向量之间的相关性，得到第一分类向量，并基于第一分类向量确定分类结果。综上，本申请的分类方法使用了两种类型的注意力模型，从多个角度建立向量之间的相关性，并以相关性确定分类特征向量，从而实现了知识的重用性和共享性，有利于提高分类结果的准确性。

技术领域

本申请涉及信息识别技术领域，更具体地说，涉及一种基于多重注意力模型的分类方法、装置、设备及可读存储介质。

背景技术

现有的专家系统主要利用大量成功的实例，以及简单灵活的开发工具，直接模仿人类的心理过程，利用规则表示专家知识。

例如：基于规则的医疗专家系统可以实现对疾病的分类。例如，IF(腹痛)and(腹泻)THEN急性肠炎；或，IF(受凉or劳累)and(肩关节疼痛)THEN肩周炎。其中，IF后面的语句称为前项，THEN后面的语句称为后项。前项一般是若干事实的“与或”条件结合。

基于规则的分类方法，缺乏知识的重用性和共享性，所以，准确性有待提高。

发明内容

有鉴于此，本申请提供了一种基于多重注意力模型的分类方法、装置、设备及可读存储介质，以提高分类的准确性。如下：

一种基于多重注意力模型的分类方法，包括：

获取第一向量和第二向量，所述第一向量为预设的知识库转换得到的向量，所述第二向量为待分类的对象转换得到的向量；

将所述第一向量和所述第二向量输入预设的分类模型，得到所述分类模型输出的所述待分类的对象的分类结果，所述分类结果包括所述待分类的对象与所述知识库的相关程度；

其中，所述分类模型包括第一类注意力模块和第二类注意力模块；

所述第一类注意力模块用于基于所述第一向量和所述第二向量计算得到第一权值，并计算所述第一向量与所述第一权值的乘积，得到第一特征向量，以及计算所述第二向量与所述第一权值的乘积得到第二特征向量；

所述第二类注意力模块用于基于所述第一特征向量和所述第二特征向量确定第二权值和第三权值，并计算所述第一特征向量与第二权值的乘积得到第三特征向量，计算所述第二特征向量与第三权值的乘积得到第四特征向量，并依据所述第三特征向量和第四特征向量输出第一分类向量，所述第一分类向量用于确定所述分类结果。

可选地，基于多重注意力模型的分类方法还包括：

获取第三向量，所述第三向量为所述知识库中的第一预设类型的内容转换得到的向量；

所述第一类注意力模块还用于：依据所述第一特征向量与所述第三向量确定第四权值，依据所述第二特征向量与所述第三向量确定第五权值，并计算所述第一特征向量和/或所述第三向量与所述第四权值的乘积，得到第二分类向量，计算所述第二特征向量和/或所述第三向量与所述第五权值的乘积，得到第三分类向量，所述第一分类向量、所述第二分类向量和所述第三分类向量用于确定所述分类结果。

可选地，基于多重注意力模型的分类方法还包括：

获取第四向量，所述第四向量为所述知识库中的第二预设类型的内容转换得到的向量；

所述第一类注意力模块还用于：基于所述第一向量与所述第四向量确定第六权值，基于所述第二向量与所述第四向量确定第七权值，并计算所述第一向量和/或所述第四向量与所述第六权值的乘积得到第五特征向量，计算所述第二向量和/或所述第四向量与所述第七权值的乘积得到第六特征向量；