[发明专利]标签识别方法、装置、计算机设备、存储介质及程序产品

说明书

本申请提供一种标签识别方法、装置、计算机设备、存储介质及程序产品，涉及人工智能、云技术、智慧交通、辅助驾驶等技术领域。通过特征提取网络对待识别信息进行多类型特征提取，得到多类型特征；基于该多类型特征与全局标签特征中的每个标签的全局特征，分别确定待识别信息与每个标签之间的匹配度，从而基于该匹配度确定待识别信息的标签；而全局标签特征包括的至少两个标签的全局特征，是基于每个标签的初始特征、以及所述至少两个标签之间的关联关系确定的，能够表征在多个标签范围内各个标签相互之间存在的关联关系，通过结合多个标签之间的全局相关性进行标签识别，避免孤立处理单个标签导致的识别出错的问题，能够提高标签识别的准确性。

技术领域

本申请涉及人工智能、云技术、智慧交通、辅助驾驶等技术领域，本申请涉及一种标签识别方法、装置、计算机设备、存储介质及程序产品。

背景技术

随着互联网技术的发展，许多网络平台可向用户推送信息流，用户每天花费大量时间浏览信息流。因此，信息流的质量对用户体验至关重要，本领域中可以用标签来描述信息流的质量，如何识别大量信息所包括的标签，成为本领域中关键问题。

相关技术中，以图像为例，通常采用神经网络模型提取图像的图像特征向量，再利用图像特征向量进一步识别出该图像可能包括的一个或多个标签，例如，通过标签A的二分类的分类器判断该图像是否包括该标签A，从而基于判断结果输出该图像可能包括的标签。然而，该神经网络模型易受到数据分布和数据质量的影响，导致标签识别的准确性较低。

发明内容

本申请提供了一种标签识别的方法、装置、计算机设备、存储介质及程序产品，可以解决相关技术中标签识别的准确性较低的问题。所述技术方案如下：

一方面，提供了一种标签识别方法，所述方法包括：

获取待识别信息，并通过特征提取网络对所述待识别信息进行多类型特征提取，得到所述待识别信息的多类型特征，所述待识别信息包括至少两种类型的数据，所述多类型特征用于表征所述至少两种类型的数据的数据特征；

基于所述多类型特征与全局标签特征中的每个标签的全局特征，分别确定所述待识别信息与所述每个标签之间的匹配度，所述全局标签特征包括至少两个标签的全局特征，所述至少两个标签的全局特征是基于每个标签的初始特征、以及所述至少两个标签之间的关联关系确定的；

基于所述待识别信息与所述每个标签之间的匹配度，确定所述待识别信息的标签。

另一方面，提供了一种标签识别装置，所述装置包括：

特征提取模块，用于获取待识别信息，并通过特征提取网络对所述待识别信息进行多类型特征提取，得到所述待识别信息的多类型特征，所述待识别信息包括至少两种类型的数据，所述多类型特征用于表征所述至少两种类型的数据的数据特征；

匹配度确定模块，用于基于所述多类型特征与全局标签特征中的每个标签的全局特征，分别确定所述待识别信息与所述每个标签之间的匹配度，所述全局标签特征包括至少两个标签的全局特征，所述至少两个标签的全局特征是基于每个标签的初始特征、以及所述至少两个标签之间的关联关系确定的；

识别模块，用于基于所述待识别信息与所述每个标签之间的匹配度，确定所述待识别信息的标签。

在一个可能实现方式中，所述全局标签特征通过目标模型的图卷积网络得到，所述目标模型包括所述特征提取网络和所述图卷积网络；所述装置还包括模型训练模块，包括：

构建单元，用于构建初始模型；

全局标签关联单元，用于将所述至少两个标签的初始特征输入所述初始图卷积网络，基于所述至少两个标签的初始特征和所述初始图卷积网络的特征相关函数，输出初始全局标签特征；