[发明专利]特征提取模型的训练方法、装置、设备、介质及程序产品

权利要求书

1.一种特征提取模型的训练方法，其特征在于，所述方法包括：

通过训练得到的至少一个历史版本的特征提取模型，分别对多个携带样本标签的训练样本进行特征提取，得到各所述历史版本对应的多个样本特征；

基于各所述历史版本对应的多个样本特征，确定任意两个所述训练样本间的样本相似度；

基于确定的样本相似度，从所述多个训练样本中选取至少一个训练样本对，所述训练样本对包括第一训练样本及第二训练样本；

其中，所述第一训练样本与所述第二训练样本满足以下关系中至少之一：

样本标签相同、且在所述多个训练样本中，与第一训练样本的样本相似度最小的训练样本为第二训练样本；样本标签不同，且在所述多个训练样本中，与第一训练样本的样本相似度最大的训练样本为第二训练样本；

基于选取的所述至少一个训练样本对，对目标特征提取模型进行训练，得到训练完成的特征提取模型。

2.如权利要求1所述的方法，其特征在于，所述基于各所述历史版本对应的多个样本特征，确定任意两个所述训练样本间的样本相似度，包括：

确定各所述历史版本对应的任意两个样本特征间的特征相似度；

基于各所述历史版本对应的任意两个样本特征间的特征相似度，确定所述任意两个样本特征所对应训练样本间的样本相似度，以确定任意两个所述训练样本间的样本相似度。

3.如权利要求2所述的方法，其特征在于，当所述历史版本的数量为至少两个时，所述基于各所述历史版本对应的任意两个样本特征间的特征相似度，确定所述任意两个样本特征所对应训练样本间的样本相似度，包括：

获取各所述历史版本对应的权重值；

基于各所述历史版本对应的权重值，对各所述历史版本对应的任意两个样本特征间的特征相似度进行加权平均处理，得到所述任意两个样本特征所对应训练样本间的样本相似度。

4.如权利要求1所述的方法，其特征在于，所述基于各所述历史版本对应的多个样本特征，确定任意两个所述训练样本间的样本相似度，包括：

获取各所述历史版本对应的特征相似度矩阵，所述特征相似度矩阵中的第(i，j)个矩阵元素，为相应历史版本对应的第i个样本特征和第j个样本特征间的特征相似度；

基于各所述历史版本对应的特征相似度矩阵，确定多个所述训练样本对应的样本相似度矩阵；

将所述样本相似度矩阵中的第(i，j)个矩阵元素，作为多个所述训练样本中第i个训练样本和第j个训练样本间的样本相似度，以确定任意两个所述训练样本间的样本相似度；

其中，所述i和所述j，均为大于零且不超过m的整数，所述m为所述训练样本的数量。

5.如权利要求4所述的方法，其特征在于，所述获取各所述历史版本对应的特征相似度矩阵，包括：

针对各所述历史版本，分别执行如下处理：

针对所述历史版本对应的第i个样本特征和第j个样本特征，确定所述第i个样本特征和第j个样本特征间的特征相似度，并

将所述特征相似度作为所述特征相似度矩阵中的第(i，j)个矩阵元素，以得到所述历史版本对应的特征相似度矩阵。

6.如权利要求4所述的方法，其特征在于，所述历史版本的数量为至少两个，所述基于各所述历史版本对应的特征相似度矩阵，确定多个所述训练样本对应的样本相似度矩阵，包括：

获取各所述历史版本对应的权重值；

基于各所述历史版本对应的权重值，对至少两个所述特征相似度矩阵进行加权平均处理，得到多个所述训练样本对应的样本相似度矩阵。

7.如权利要求3或6所述的方法，其特征在于，所述获取各所述历史版本对应的权重值，包括：

获取各所述历史版本的特征提取模型对应的模型评估指标的指标值；

基于各所述历史版本的特征提取模型对应的指标值，确定相应历史版本对应的权重值。