[发明专利]负采样方法和装置

权利要求书

1.一种基于多标签模型的数据处理方法，其特征在于，所述方法包括以下步骤：

确定对多标签模型进行训练所采用的正样本；

获取所述正样本与待选样本之间的物理相似程度和内容相似程度；

其中，所述待选样本的类型包括以下至少之一：文本、图片、音视频，当所述待选样本的类型为文本时，所述物理相似程度为词相似程度，所述内容相似程度为语义相似度；当所述待选样本的类型为图片时，所述物理相似度为像素相似程度，所述内容相似程度为描绘对象相似程度；当所述待选样本的类型为音视频时，所述物理相似度为音符相似程度，所述内容相似程度为旋律相似程度；

根据所述物理相似程度和内容相似程度，从所述待选样本中选取用于所述多标签模型训练的负样本；

通过训练好的所述多标签模型对待识别数据进行场景识别，得到所述待识别数据对应的场景类别，以执行针对所述场景类别的相应操作。

2.根据权利要求1所述的方法，其特征在于，所述获取所述正样本与待选样本之间的物理相似程度和内容相似程度，包括：

根据所述正样本，查询第一相似度矩阵，得到所述正样本与各个待选样本之间物理相似程度；其中，所述第一相似度矩阵中的元素，用于指示所在行对应的样本与所在列对应的样本之间的物理相似程度；

根据所述正样本，查询第二相似度矩阵，得到所述正样本与各个待选样本之间内容相似程度；其中，所述第二相似度矩阵中的元素，用于指示所在行对应的样本与所在列对应的样本之间的内容相似程度。

3.根据权利要求2所述的方法，其特征在于，所述待选样本为多个，所述正样本是从所述待选样本中确定出的，所述获取所述正样本与待选样本之间的物理相似程度和内容相似程度之前，还包括：

生成多个样本对；其中，每个样本对包括所述多个待选样本中的两个，所述多个样本对中的待选样本不同；

计算每个样本对中的两个待选样本之间的物理相似程度和内容相似程度；

根据每个样本对中的两个待选样本之间的物理相似程度生成所述第一相似度矩阵；

根据每个样本对中的两个待选样本之间的内容相似程度生成所述第二相似度矩阵。

4.根据权利要求3所述的方法，其特征在于，所述根据每个样本对中的两个待选样本之间的物理相似程度生成所述第一相似度矩阵，包括：

确定第一相似度矩阵中各行对应的待选样本，以及各列对应的待选样本；

针对每一个样本对，将所述样本对中两个待选样本之间的物理相似程度作为所述第一相似度矩阵中两个对称元素取值；所述对称元素所在行和列分别对应所述两个待选样本中的一个样本。

5.根据权利要求3所述的方法，其特征在于，所述根据每个样本对中的两个待选样本之间的内容相似程度生成所述第二相似度矩阵，包括：

确定第二相似度矩阵中各行对应的待选样本，以及各列对应的待选样本；

针对每一个样本对，将所述样本对中两个待选样本之间的内容相似程度作为所述第二相似度矩阵中两个对称元素取值；所述对称元素所在行和列分别对应所述两个待选样本中的一个样本。

6.根据权利要求1所述的方法，其特征在于，所述根据所述物理相似程度和内容相似程度，从所述待选样本中选取用于所述多标签模型训练的负样本，包括：

从所述待选样本中，选取所述物理相似程度低于物理阈值和内容相似程度低于内容阈值的待选样本作为所述负样本。