[发明专利]内容识别、模型训练、数据处理方法、系统及设备

说明书

本申请实施例提供一种内容识别、模型训练、数据处理方法、系统及设备。其中，内容识别方法包括：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。本申请实施例提供的技术方案，内容识别准确率高，尤其对相似性较高的内容，如音近字和同音字，具有较好的区分力。

技术领域

本申请涉及计算机技术领域，尤其涉及一种内容识别、模型训练、数据处理方法、系统及设备。

背景技术

内容识别技术就是让机器识别和理解用户发出的内容。如，语音识别技术同时可以促进人类之间的交流(HHC)以及人机交流(HMC)。HHC，比如发送给他人的语音消息可以转化为文字方便阅读，采用语音输入也更为便捷；HMC，比如语音搜索、个人智能助理、声控游戏、智能家居等。

传统的语音识别技术对人工选择的特征依赖性强，且准确率低。将深度学习技术应用在语音识别领域，可以模仿大脑对语音信号学习、识别的模式，能够大幅度提高语音识别的准确性。但现有语音识别技术，还是存在对音近词或同音词的识别经常出错的情况，虽然后续有语音模型的纠正，但经常不能起到理想效果。

发明内容

本申请各实施例提供一种解决上述问题或至少部分地解决上述问题的内容识别、模型训练、数据处理方法、系统及设备。

在本申请的一个实施例中，提供了一种内容识别方法。该内容识别方法包括：

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，以基于所述至少两个损失值完成参数的更新。

在本申请的另一个实施例中，提供了一种模型训练方法。该模型训练方法包括：

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。

在本申请的又一个实施例中，提供了一种模型训练方法，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。

在本申请的又一个实施例中，提供了一种数据处理方法。该数据处理方法，包括：

获取服务对象的数据；

利用应用模型对所述数据是否符合设定要求进行判定；

根据判定结果，为所述服务对象提供相应的服务；

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。