[发明专利]模型训练方法、信息提取方法、相关装置及存储介质

说明书

本申请提供了一种模型训练方法、信息提取方法、相关装置及存储介质。模型训练方法包括：获取N个样本数据；每个样本数据包括M种类别的子数据；N个样本数据对应M×N个子数据对，每个子数据对包括M个子数据，每个子数据所属的类别不同，每个子数据对包括的M个子数据之间对应一个关联关系，每个样本数据包括的M种类别的子数据相互关联；将M×N个子数据对输入到预设模型中进行训练，生成每种类别的子数据各自对应的预训练模型；预设模型用于计算每个子数据对的M个子数据之间的相似度，并根据M×N个子数据对包括的M个子数据之间的相似度确定每一种数据类别对应的向量表示空间，采用该方法得到的预训练模型可以快速准确地提取目标信息。

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型训练方法、信息提取方法、相关装置及存储介质。

背景技术

目前互联网的普及率越来越高，网民数量也不断增加，越来越多的人通过视频等多模态数据来记录并且分享生活。在创作短视频过程中不仅需要准备视频内容、音频内容以及文字，而且还需要考虑如何生成高质量的文案或标题吸引更多的用户观看。目前的文案生成方法主要是通过人工编写等方式生成，通常会导致生成的文案质量低、生成效率低等问题。

发明内容

本申请实施例提供了一种模型训练方法、信息提取方法、相关装置及存储介质，可以快速准确地提取目标信息。

为解决以上技术问题，本申请包括以下技术方案：

第一方面，本申请实施例提供了一种模型训练方法，所述方法包括：

获取N个样本数据；每个所述样本数据包括M种类别的子数据；其中，N个所述样本数据包括的所述M种类别的子数据对应M×N个子数据对，每个所述子数据对包括M个子数据，每个所述子数据所属的类别不同，每个子数据对包括的M个子数据之间对应一个关联关系，每个所述样本数据包括的M种类别的子数据相互关联，所述M和N均为大于或等于2的正整数；

将所述M×N个子数据对输入到预设模型中进行训练，生成每种类别的子数据各自对应的预训练模型；其中，所述预设模型用于计算每个子数据对包括的M个子数据之间的相似度，并根据所述M×N个子数据对各自包括的M个子数据之间的相似度确定每一种数据类别各自对应的向量表示空间。

第二方面，本申请实施例提供了一种信息提取方法，所述方法包括：

获取待处理数据，所述待处理数据包括至少一种类别的待处理子数据；

将所述至少一种类别的待处理子数据输入到各个所述待处理子数据的类别各自对应的预训练模型中，得到所述待处理数据对应的向量信息；其中，所述预训练模型为采用权利要求1所述的模型训练方法得到的预训练模型；

根据所述向量信息提取所述待处理数据携带的目标信息。

第三方面，本申请实施例提供了一种模型训练装置，所述装置包括：

第一获取模块，用于获取N个样本数据；每个所述样本数据包括M种类别的子数据；其中，N个所述样本数据包括的所述M种类别的子数据对应M×N个子数据对，每个所述子数据对包括M个子数据，每个所述子数据所属的类别不同，每个子数据对包括的M个子数据之间对应一个关联关系，每个所述样本数据包括的M种类别的子数据相互关联，所述M和N均为大于或等于2的正整数；

训练模块，用于将所述M×N个子数据对输入到预设模型中进行训练，生成每种类别的子数据各自对应的预训练模型；其中，所述预设模型用于计算每个子数据对包括的M个子数据之间的相似度，并根据所述M×N个子数据对各自包括的M个子数据之间的相似度确定每一种数据类别各自对应的向量表示空间。

第四方面，本申请实施例提供了一种信息提取装置，所述装置包括：

第二获取模块，用于获取待处理数据，所述待处理数据包括至少一种类别的待处理子数据；