[发明专利]多标签信息的识别方法、装置、电子设备和可读存储介质

说明书

本公开提供了一种多标签信息的识别方法、装置、电子设备和可读存储介质，涉及计算机技术领域。其中，多标签信息的识别方法包括：通过训练标签对多标签识别模型进行训练，多标签识别模型的预测分支的输入端引入有循环网络，循环网络用于学习多个训练标签之间的关系；根据多标签识别模型的分支预测结果构建标签限制关系集，标签限制关系集中包括满足预设标签规则的标签组合；获取待识别的多标签消息；根据训练后的多标签识别模型和标签限制关系集，确定多标签信息的识别结果。通过本公开的技术方案，提高了识别多个标签的准确性、可靠性和自洽性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种多标签信息的识别方法、装置、电子设备和可读存储介质。

背景技术

多标签识别是机器学习领域中的一个重要方向，在实际生活中也有着广阔的应用场景。

相关技术中，多标签识别方法大多以深度网络模型为基础特征提取器，以图像的多标签识别方法为例，通过卷积神经网络提取出特征进行识别，至少存在以下技术问题：

（1）针对每个标签进行识别的结果存在自洽性差的问题。

（2）对多个标签识别的后处理过程中，以矩阵或单独一层网络的形式引入，其泛化能力较弱，对训练数据的采集要求更高，尤其是对于长尾标签并不友好。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种多标签信息的识别方法、装置、电子设备和可读存储介质，至少在一定程度上克服由于相关技术中多标签的识别结果自洽性差的问题。

本公开的其他特性和优点将通过后续的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种多标签信息的识别方法，包括：通过训练标签对多标签识别模型进行训练，多标签识别模型的预测分支的输入端引入有循环网络，循环网络用于学习多个训练标签之间的关系；根据预测分支的结果构建标签限制关系集，标签限制关系集中包括满足预设标签规则的标签组合；获取待识别的多标签消息；根据训练后的多标签识别模型和标签限制关系集，确定多标签信息的识别结果。

在本公开的一个实施例中，通过训练标签对多标签识别模型进行训练包括：将训练标签中的第一训练标签输入至循环网络，以获得第一输出标签，将第一输出标签输入至多标签识别模型的第一全连接层，以得到第一预测结果；将第n输出标签和第n+1训练标签输入至循环网络以获得第n+1输出标签，将第n+1输出标签输入至多标签识别模型的第n+1全连接层，以得到第n+1预测结果，n为大于或等于1的整数。

在本公开的一个实施例中，通过训练标签对多标签识别模型进行训练还包括：将多标签识别模型的全连接层的输出端引入损失函数；根据损失函数的输出结果对多标签识别模型进行优化。

在本公开的一个实施例中，损失函数包括交叉熵函数和/或FocalLoss函数。

在本公开的一个实施例中，根据训练后的多标签识别模型和标签限制关系集，确定多标签信息的识别结果包括：将待识别的多标签消息输入至训练后的多标签识别模型，以获取多标签消息中的每个标签的预测置信度；根据预测置信度和标签限制关系集，确定多标签信息的识别结果。

在本公开的一个实施例中，根据预测置信度和标签限制关系集，确定多标签信息的识别结果包括：根据标签限制关系集确定多标签消息中的第m层的第z个标签的预测置信度；对标签的组合的预测置信度求最优解，以获得识别结果。

在本公开的一个实施例中，对标签的组合的预测置信度求最优解，以获得识别结果包括：确定标签的预测置信度的量级；根据量级对标签的组合的预测置信度求最优解，以获得识别结果。