[发明专利]基于元学习的数据筛选模型构建方法、数据筛选方法、装置、计算机设备及存储介质

权利要求书

1.一种基于元学习的数据筛选模型构建方法，其特征在于，包括：

构造元训练任务，采用特征提取模型提取每个元训练任务的第一特征向量和第二特征向量，其中，每个所述元训练任务包括支持集和查询集，所述第一特征向量为每个所述支持集所包括的训练类别的特征向量，所述第二特征向量为每个所述查询集所包括的训练数据的特征向量；

采用关系模型获取所述第一特征向量和所述第二特征向量拼接之后的归属度值；

基于所述归属度值，采用预设计算公式计算得出所述训练数据的差距值；

基于所述差距值，采用预设方法经过预设次数更新所述特征提取模型及所述关系模型中的参数值以获得所述基于元学习的数据筛选模型。

2.根据权利要求1所述的方法，其特征在于，所述采用关系模型获取所述第一特征向量和所述第二特征向量拼接之后的归属度值，包括：

将所述第一特征向量及所述第二特征向量进行拼接以生成第三特征向量；

采用关系模型获取所述第三特征向量的归属度值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述差距值，采用预设方法经过预设次数更新所述特征提取模型及所述关系模型中的参数值以获得所述基于元学习的数据筛选模型，包括：

基于所述差距值，采用梯度下降优化方法经过预设次数更新所述预设特征提取模型及所述关系模型中的参数值以获得所述基于元学习的数据筛选模型。

4.根据权利要求1所述的方法，其特征在于，所述训练数据为图片数据或文本数据。

5.一种基于元学习的数据筛选方法，其特征在于，包括：

获取待筛选类别并将所述待筛选类别输入如权利要求1-4任一项所述的基于元学习的数据筛选模型以提取所述待筛选类别中各类别的特征向量作为第一目标特征向量；

获取待筛选数据并将所述待筛选数据输入所述基于元学习的数据筛选模型以提取所述待筛选数据中各待筛选数据的特征向量作为第二目标特征向量；

对于每个待筛选数据，将所述第二目标特征向量与各类别的所述第一目标特征向量进行拼接以生成与各待筛选数据对应的第三目标特征向量；

将每个待筛选数据的所述第三目标特征向量的归属度值与各类别对应的预设归属度阈值进行比较，以识别出所述第三目标特征向量的归属度值大于所述预设归属度阈值的数据作为目标数据；

采用预设标签将所述目标数据标记为所述第三目标特征向量对应的类别。

6.根据权利要求5所述的方法，其特征在于，所述采用预设标签将所述目标数据标记为所述第三目标特征向量对应的类别之后，还包括：

剔除所有未被所述预设标签标记的所述待筛选数据。

7.一种基于元学习的数据筛选模型构建装置，其特征在于，包括：

构造提取单元，用于构造元训练任务，采用特征提取模型提取每个元训练任务的第一特征向量和第二特征向量，其中，每个所述元训练任务包括支持集和查询集，所述第一特征向量为每个所述支持集所包括的训练类别的特征向量，所述第二特征向量为每个所述查询集所包括的训练数据的特征向量；

获取单元，用于采用关系模型获取所述第一特征向量和所述第二特征向量拼接之后的归属度值；

计算单元，用于基于所述归属度值，采用预设计算公式计算得出所述训练数据的差距值；

更新单元，用于基于所述差距值，采用预设方法经过预设次数更新所述特征提取模型及所述关系模型中的参数值以获得所述基于元学习的数据筛选模型。