[发明专利]内容识别、模型训练、数据处理方法、系统及设备

权利要求书

1.一种内容识别方法，其特征在于，包括：

将待识别内容作为应用模型的输入，执行所述应用模型输出第一结果信息；

基于所述第一结果信息，确定作为识别结果的内容标签；

根据所述内容标签，执行相应的业务操作；

其中，所述应用模型是训练模型完成训练后得到的，所述训练模型在训练过程中采用至少两种损失函数计算一次迭代后的至少两个损失值，并基于所述至少两个损失值完成参数的更新。

2.根据权利要求1所述的方法，其特征在于，所述待识别内容为语音，以及基于所述第一结果信息，确定作为识别结果的内容标签，包括：

对所述第一结果信息进行处理，得到多个内容标签；

基于语言模型，从所述多个内容标签中确定作为识别结果的内容标签。

3.根据权利要求2所述的方法，其特征在于，所述第一结果信息为时序网络特征图；以及

对所述第一结果信息进行处理，得到多个内容标签，包括：

对所述时序网络特征图进行处理，得到特征向量；

基于所述特征向量，计算得到概率向量；

对所述概率向量进行解码，得到所述多个内容标签。

4.根据权利要求1至3中任一项所述的方法，其特征在于，还包括：

将样本内容作为训练模型的输入，执行所述训练模型输出第二结果信息；

基于所述第二结果信息，采用至少两种损失函数计算得到至少两个损失值；

根据所述至少两个损失值确定已达到训练收敛条件时，所述训练模型完成训练，能作为应用模型用于内容识别；

根据所述至少两个损失值确定未达到训练收敛条件时，根据所述至少两个损失值，更新所述训练模型中的参数；并进入下一次迭代。

5.一种模型训练方法，其特征在于，包括：

将样本内容作为训练模型的输入，执行所述训练模型输出第二结果信息；

基于所述第二结果信息，采用至少两种损失函数计算得到至少两个损失值；

根据所述至少两个损失值确定已达到训练收敛条件时，所述训练模型完成训练，能作为应用模型用于内容识别。

6.根据权利要求5所述的模型训练方法，其特征在于，还包括：

根据所述至少两个损失值确定未达到训练收敛条件时，根据所述至少两个损失值，更新所述训练模型中的参数；并进入下一次迭代。

7.根据权利要求5或6所述的方法，其特征在于，基于所述第二结果信息，采用至少两种损失函数计算得到至少两个损失值，包括：

获取所述样本内容的内容标签及所述样本内容对应的中心点特征；

将所述第二结果信息及所述内容标签作为联结时序分类损失函数的输入，计算得到第一损失值；

将所述第二结果信息与所述中心点特征作为中心损失函数的输入，计算得到第二损失值。

8.根据权利要求7所述方法，其特征在于，计算得到所述第二损失值后，所述方法还包括：

根据所述第二结果信息，更新所述样本内容对应的中心点特征。

9.根据权利要求5或6所述的方法，其特征在于，还包括：

根据所述至少两个损失值，确定综合损失值；

根据所述综合损失值，确定是否已达到所述训练收敛条件。

10.根据权利要求5所述的方法，其特征在于，所述将样本内容作为训练模型的输入，执行所述训练模型得到第二结果信息，包括：

从所述样本内容中，提取特征数据；

从所述特征数据中，提取卷积特征图；

在时间序列上，对所述卷积特征图进行建模；

从建模结果中，提取时序网络特征图作为所述第二结果信息。