[发明专利]数据处理方法、装置、计算机设备和存储介质有效
| 申请号： | 201910746149.7 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110598845B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 黄严汉 | 申请（专利权）人： | 中国平安人寿保险股份有限公司 |
| 主分类号： | G06N3/045 | 分类号： | G06N3/045;G06N3/0464;G06N3/08;G06F18/214;G06F40/284 |
| 代理公司： | 华进联合专利商标代理有限公司 44224 | 代理人： | 卢晓霞 |
| 地址： | 518048 广东省深圳市福田区益田路503*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及机器学习领域，提供了一种数据处理方法、装置、计算机设备和存储介质。该方法包括：获取训练样本集合，各个训练样本都存在对应的训练样本标签；对各个训练样本进行向量化处理，得到对应的特征向量；将各个训练样本的特征向量输入至第一神经网络模型，第一神经网络模型计算得到各个训练样本的交叉特征；将交叉特征作为第二神经网络模型的输入，通过第二神经网络模型对交叉特征进行内积计算，生成对应的图像特征图；将各个训练样本和图像特征图输入至第三神经网络模型，得到对应的预测概率值；根据预测概率值和训练样本标签计算得到训练损失值；根据训练损失值对第三神经网络模型进行训练，最终得到已训练的第三神经网络模型。 | ||
| 搜索关键词： | 数据处理 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
1.一种数据处理方法，所述方法包括：/n获取训练样本集合，所述训练样本集合中各个训练样本都存在对应的训练样本标签；/n对各个所述训练样本进行向量化处理，得到各个所述训练样本对应的特征向量，所述向量化处理用于将非结构化的所述训练样本转换为结构化的特征向量；/n将所述各个所述训练样本对应的特征向量输入至第一神经网络模型，所述第一神经网络模型计算得到各个所述训练样本对应的交叉特征；/n将所述交叉特征作为第二神经网络模型的输入，通过第二神经网络模型对所述交叉特征进行内积计算，生成所述交叉特征对应的图像特征图；/n将所述各个训练样本和所述图像特征图输入至第三神经网络模型，得到对应的预测概率值；/n根据所述预测概率值和对应的训练样本标签计算得到训练损失值；/n根据所述训练损失值对所述第三神经网络模型的模型参数进行调整，直至满足收敛条件，得到已训练的第三神经网络模型，所述第三神经网络用于训练样本的网络行为预测。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国平安人寿保险股份有限公司，未经中国平安人寿保险股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910746149.7/，转载请声明来源钻瓜专利网。
