[发明专利]分类模型处理、意图识别方法、装置和计算机设备

说明书

本申请涉及一种分类模型处理、意图识别方法、装置和计算机设备。方法包括：获取训练样本集合；通过已训练分类模型，分别提取训练样本集合中各训练样本各自的第一样本特征；通过待训练分类模型分别提取各训练样本各自的第二样本特征，并基于各第二样本特征进行分类，基于得到的各个第一分类结果确定分类损失；基于同一训练样本的第一样本特征和第二样本特征进行损失计算，得到第一目标损失，基于属于不同类别的两两训练样本各自的第二样本特征进行损失计算，得到第二目标损失；基于第一目标损失、第二目标损失以及分类损失训练待训练分类模型，得到目标分类模型。采用本方法能够提高分类模型的识别准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种分类模型处理方法、装置、计算机设备、存储介质和计算机程序产品，以及一种意图识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机技术的发展，出现了机器学习技术，通过机器学习可以训练用于分类的分类模型，该分类模型可以提取得到内容对应的特征，进而可以基于提取的特征对内容进行分类，以识别内容所属的类别。

传统技术中，分类模型可以对已学习过的类别进行识别，然而随着新类别的不断出现，需要进行持续学习，然而在持续学习过程中经常存在训练得到的分类模型识别准确性比较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够识别准确性的分类模型处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

一方面，本申请提供了一种分类模型处理方法。所述方法包括：获取训练样本集合；所述训练样本集合包括属于已训练分类模型对应的已识别类别的训练样本以及属于新增类别的训练样本；通过所述已训练分类模型，分别提取所述训练样本集合中各训练样本各自的第一样本特征；通过待训练分类模型分别提取各所述训练样本各自的第二样本特征，并基于各所述第二样本特征进行分类，基于得到的各个第一分类结果确定分类损失；基于同一训练样本的第一样本特征和第二样本特征进行损失计算，得到第一目标损失，基于属于不同类别的两两训练样本各自的第二样本特征进行损失计算，得到第二目标损失；基于所述第一目标损失、所述第二目标损失以及所述分类损失调整所述待训练分类模型的参数并继续训练，当满足训练停止条件时，得到目标分类模型，所述目标分类模型用于识别所述已识别类别和所述新增类别。

另一方面，本申请还提供了一种分类模型处理装置。所述装置包括：训练样本获取模块，用于获取训练样本集合；所述训练样本集合包括属于已训练分类模型对应的已识别类别的训练样本以及属于新增类别的训练样本；特征提取模块，用于通过所述已训练分类模型，分别提取所述训练样本集合中各训练样本各自的第一样本特征；分类损失确定模块，用于通过待训练分类模型分别提取各所述训练样本各自的第二样本特征，并基于各所述第二样本特征进行分类，基于得到的各个第一分类结果确定分类损失；目标损失计算模块，用于基于同一训练样本的第一样本特征和第二样本特征进行损失计算，得到第一目标损失，基于属于不同类别的两两训练样本各自的第二样本特征进行损失计算，得到第二目标损失；参数调整模块，用于基于所述第一目标损失、所述第二目标损失以及所述分类损失调整所述待训练分类模型的参数并继续训练，当满足训练停止条件时，得到目标分类模型，所述目标分类模型用于识别所述已识别类别和所述新增类别。

另一方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述分类模型处理方法的步骤。

另一方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述分类模型处理方法的步骤。

另一方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述分类模型处理方法的步骤。