【技术实现步骤摘要】
一种模型训练和数据分析的方法、装置、存储介质及设备
[0001]本说明书涉及计算机
,尤其涉及一种模型训练和数据分析的方法、装置、存储介质及设备。
技术介绍
[0002]随着人工智能的发展,情感分析技术也在各个领域中得到了广泛的应用,例如,在智能机器人的人机交互场景中,通常会通过图像采集设备(如摄像机)采集用户的图像数据,以提取用户的面部表情和肢体动作等信息,与此同时,还会采集用户说话的语音语调,并对对话的内容进行提取,从而根据提取到的上述信息来对用户所当前所表达的情绪、情感进行相应的分析,进而根据分析结果执行相应的交互策略与用户进行交互。
[0003]然而,在实际应用中通常会出现待分析数据中包含的部分类型数据所表达的情感相互矛盾的情况,在这种情况下,目前的分析方法并不能得到准确的分析结果,例如,当待分析数据为用户以暴躁的语气说出的较为平和的内容时,现有方法就很难判断出用户所表达出的情绪是正面情绪、负面情绪还是中性情绪。
[0004]因此,如何根据待分析数据中包含的不同类型的数据,准确的得到待分析数据的分析结果,是一个亟待解决的问题。
技术实现思路
[0005]本说明书提供一种模型训练和数据分析的方法、装置、存储介质及设备,以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案:
[0007]本说明书提供了一种模型训练的方法,包括:
[0008]获取样本数据,其中,所样本数据中包含有至少两种类型的数据;
[0009]将所述样本数 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练的方法,其特征在于,包括:获取样本数据,其中,所样本数据中包含有至少两种类型的数据;将所述样本数据输入待训练的分析模型中,以针对所述样本数据中包含的每种类型的数据,通过该类型的数据对应的特征提取层,确定该类型的数据的数据特征,并根据该类型的数据的数据特征,得到该类型的数据对应的分析结果,以及根据该类型的数据对应的分析结果和所述样本数据对应的标签之间的偏差,确定在所述分析模型训练时该类型的数据所产生的梯度信息,作为该类型的数据对应的梯度信息;通过所述分析模型中的特征融合层,将各类型的数据的数据特征进行融合,得到融合特征,并根据所述融合特征,得到综合分析结果,以及根据所述综合分析结果和所述样本数据对应的标签之间的偏差,确定在所述分析模型进行训练时所述样本数据中包含的所有类型的数据所产生的梯度信息,作为融合梯度信息;将所述融合梯度信息作为梯度标签,并以最小化该类型的数据对应的梯度信息与所述梯度标签之间的偏差为优化目标,对所述分析模型进行训练。2.如权利要求1所述的方法,其特征在于,通过所述分析模型中的特征融合层,将各类型的数据的数据特征进行融合,得到融合特征,具体包括:在所述样本数据包含的各类型数据中选取出指定类型的数据,作为第一类型数据,并将所述样本数据中除所述第一类型数据外的其他类型数据,作为第二类型数据;针对每种第二类型数据,根据所述第一类型数据对应的数据特征,以及该第二类型数据对应的数据特征,确定该第二类型数据对应的特征转换参数;通过所述特征转换参数,对该第二类型数据对应的数据特征进行转换,得到该第二类型数据对应的转换后特征;根据所述第一类型数据对应的数据特征,以及每种第二类型数据对应的转换后特征,确定所述融合特征。3.如权利要求2所述的方法,其特征在于,根据所述第一类型数据对应的数据特征,以及每种第二类型数据对应的转换后特征,确定所述融合特征,具体包括:将每种第二类型数据对应的转换后特征进行融合,得到各第二类型数据的融合特征;根据所述第一类型数据对应的数据特征,以及所述各第二类型数据的融合特征,确定所述各第二类型数据的融合特征对应的权重;根据所述权重,将所述第一类型数据对应的数据特征与所述各第二类型数据的融合特征进行融合,确定将各类型的数据的数据特征进行融合后得到融合特征。4.如权利要求1所述的方法,其特征在于,以最小化该类型的数据对应的梯度信息与所述梯度标签之间的偏差为优化目标,对所述分析模型进行训练,具体包括:针对每种类型的数据,通过所述融合梯度信息,以最小化该类型的数据对应的梯度信息与所述标签梯度信息之间的偏差为目标,对该类型的数据对应的梯度信息进行调整,得到该类型的数据对应的调整后梯度信息;根据每种类型的数据对应的调整后梯度信息,对所述分析模型中包含的每种类型的数据对应的特征提取层进行训练。5.如权利要求4所述的方法,其特征...
【专利技术属性】
技术研发人员:刘操,霍英涛,陈见耸,杨帆,蔡勋梁,万广鲁,张伟鹏,
申请(专利权)人:北京三快在线科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。