[发明专利]特征提取模型训练方法、装置及电子设备

权利要求书

1.一种特征提取模型训练方法，包括：

对候选特征提取模型进行至少两次无监督训练；用于第一次无监督训练的第一多媒体数据样本集为基于海量多媒体资源选取的数据，用于第二次无监督训练的第二多媒体数据样本集为基于业务类型选取的数据，所述第一多媒体数据样本集中样本的数量大于所述第二多媒体数据样本集中样本的数量；

基于第三多媒体数据样本集对目标特征提取模型进行有监督训练；其中，所述目标特征提取模型的初始权重与经过无监督训练后的候选特征提取模型的权重相同；所述第三多媒体数据样本集为基于业务类型选取的数据。

2.根据权利要求1所述的方法，其中，所述方法还包括：

基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集。

3.根据权利要求2所述的方法，其中，所述基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集包括：

从所述海量多媒体资源中选取包括多媒体数据类型为漫画、电影、电视剧和财经的多媒体数据；

确定所选取的多媒体数据为所述第一多媒体数据样本集中的样本。

4.根据权利要求2或3所述的方法，其中，所述基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集包括：

从所述海量多媒体资源中选取在第一时间区间内，点展频次大于点展阈值的多媒体数据；

确定所选取的多媒体数据为所述第一多媒体数据样本集中的样本。

5.根据权利要求2至4任一项所述的方法，其中，所述基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集包括：

从所述海量多媒体资源中选取时效性满足时效阈值的多媒体数据；

确定所选取的多媒体数据为所述第一多媒体数据样本集中的样本。

6.根据权利要求2至5任一项所述的方法，其中，所述基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集包括：

从所述海量多媒体资源中选取具有字幕和/或具有语音识别文字的文本属性的多媒体数据；

确定所选取的多媒体数据为所述第一多媒体数据样本集中的样本。

7.根据权利要求1所述的方法，其中，所述方法还包括：

基于业务类型确定所述第二多媒体数据样本集。

8.一种特征提取模型训练装置，所述特征提取模型训练装置包括：

无监督训练模块，用于对候选特征提取模型进行至少两次无监督训练；用于第一次无监督训练的第一多媒体数据样本集为基于海量多媒体资源选取的数据，用于第二次无监督训练的第二多媒体数据样本集为基于业务类型选取的数据，所述第一多媒体数据样本集中样本的数量大于所述第二多媒体数据样本集中样本的数量；

有监督训练模块，用于基于第三多媒体数据样本集对目标特征提取模型进行有监督训练；其中，所述目标特征提取模型的初始权重与经过无监督训练后的候选特征提取模型的权重相同；所述第三多媒体数据样本集为基于业务类型选取的数据。

9.根据权利要求8所述的装置，其中，所述特征提取模型训练装置还包括：

第一确定模块，用于基于多媒体数据类型、多媒体数据的点展频次、多媒体数据的时效性和多媒体数据的文本属性中的至少一项，确定所述第一多媒体数据样本集。

10.根据权利要求9所述的装置，其中，所述第一确定模块，用于从所述海量多媒体资源中选取包括多媒体数据类型为漫画、电影、电视剧和财经的多媒体数据；

确定所选取的多媒体数据为所述第一多媒体数据样本集中的样本。