[发明专利]数据处理方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种数据处理方法、装置、电子设备及存储介质，涉及人工智能、多媒体及云技术领域。该方法包括：获取待处理数据，通过训练好的特征提取模型提取待处理数据的特征向量，根据该特征向量确定待处理数据的类别，或从数据集中确定出与待处理数据相匹配的目标数据；该特征提取模型是基于多个具有至少一个标注标签的样本对神经网络模型进行训练得到的，标注标签为样本的真实类别标签，在训练过程中，每个样本的目标特征向量是通过融合该样本的初始特征向量和该样本的各标注标签的标签特征向量得到的，训练总损失是基于各样本的标注标签和目标特征向量确定的。基于该方法，能够有效提升数据的处理效果。

技术领域

本申请涉及人工智能和多媒体技术领域，具体而言，本申请涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术研究和发展，人工智能技术已经在多个领域展开研究和应用，机器学习是人工智能的核心，是使计算机具有智能的根本途径，通过机器学习可以训练得到满足应用需求的神经网络模型。

分类模型是很多领域、很多应用场景中都常用到的神经网络模型，分类模型通过模型中的特征提取模块对数据(如图像、文本、视频、语音等等)进行特征提取，并基于提取到的数据特征实现数据的类别预测，而特征提取模块所提取的数据特征的表达能力，对模型预测结果的准确性起到至关重要的作用，尤其是在多标签分类场景中。

对于特征提取模型的训练，目前的相关技术中已经存在多种多样的训练方式，但现有大多方式训练好的特征提取模型所提取出的特征的区分度仍有待提升，尤其是对多标签分类的应用场景而言。

发明内容

本申请实施例的目的旨在提供一种数据处理方法、装置、电子设备及存储介质，基于该方法能够有效提升特征提取模型所提取的特征的表达能力，提高数据的处理效果。为了实现上述目的，本申请实施例提供的技术方案如下：

一方面，本申请实施例提供了一种数据处理方法，该方法包括：

获取待处理数据，其中，所述待处理数据为包含多媒体信息中的至少一种模态的信息的数据；

通过训练好的特征提取模型提取所述待处理数据的特征向量；

根据所述待处理数据的特征向量，确定所述待处理数据的类别，或者从数据集中确定出与所述待处理数据相匹配的目标数据；

其中，所述特征提取模型是基于多个具有至少一个标注标签的样本，对神经网络模型重复执行训练操作得到的，所述标注标签为样本的真实类别标签，每个所述标注标签为多个候选类别标签中的一个，所述神经网络模型包括第一特征提取网络和第二特征提取网络，所述特征提取模型为满足训练结束条件的第一特征提取网络；

在训练过程中，通过所述第二特征提取网络获取每个所述候选类别标签的标签特征向量，通过所述第一特征提取网络获取每个所述样本的初始特征向量，并通过融合该样本的初始特征向量和该样本的各标注标签的标签特征向量，得到该样本的目标特征向量，所述神经网络模型的训练总损失是基于各所述样本的标注标签和目标特征向量确定的。

另一方面，本申请实施例还提供了一种数据处理装置，该装置包括：

待处理数据获取模块，用于获取待处理数据，其中，所述待处理数据为包含多媒体信息中的至少一种模态的信息的数据；

数据处理模块，用于通过训练好的特征提取模型提取所述待处理数据的特征向量，根据所述特征向量，确定所述待处理数据的类别，或者从数据集中确定出与所述待处理数据相匹配的目标数据；