[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

说明书

本申请提供了一种特征提取模型的训练方法、装置、设备、存储介质及计算机程序产品；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；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；通过本申请，能够提高特征提取模型的训练效率，并提高训练得到的特征提取模型的特征提取精度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种特征提取模型的训练方法、装置、设备、存储介质及计算机程序产品。

背景技术

人工智能(AI，Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能已经越来越多地应用于特征提取方面。相关技术中，通常采用已有的全量训练样本，对特征提取模型进行多次迭代，以得到训练完成的特征提取模型。但是有些训练样本在训练过程中，其预测得到的结果和样本标签差别很大，此类训练样本会导致模型学习的精度降低，而相关技术中在每次迭代过程中均采用全量训练样本的话，很难关注到此类训练样本，如此不仅降低了模型训练效率，还使得模型学习效果不佳。

发明内容

本申请实施例提供一种特征提取模型的训练方法、装置、设备、存储介质及计算机程序产品，能够提高特征提取模型的训练效率，并提高训练得到的特征提取模型的特征提取精度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种特征提取模型的训练方法，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。

本申请实施例还提供一种特征提取模型的训练装置，包括：

特征提取模块，用于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；

确定模块，用于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；

选取模块，用于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：