本发明公开了一种基于层级分类模型的信息分类方法及装置，该方法包括：获取需要进行分类的待处理文本信息，将待处理文本信息输入至预先设定的层级分类模型，得到待处理文本信息的层级分类结果，层级分类结果包括层级集合中每个层级的分类结果，层级集合包...

本发明公开了一种应用于文本分类的词名单生成方法及装置，该方法包括：将样本文本输入至训练好的文本分析向量模型中进行分析，得到样本文本中每个样本句的句向量；基于所有样本句的句向量，对所有样本句执行聚类操作，得到至少一个类簇下的样本句集；对每...

本发明公开了一种信息层级分类模型的构建方法及装置，该方法包括：获取样本数据集，样本数据集包括多个样本数据以及每个样本数据对应的样本层级类别标签，针对样本数据集所包括的每个样本数据，将该样本数据输入至预先设定的与训练层级分类模型中得到该样...

本发明公开了一种基于多方向文本数据集的模型训练方法及装置，该方法包括：根据数据集制作算法，对待处理图像执行文本处理操作，得到目标数据集，根据待训练图形变换模型及目标数据集，对获取的目标图像执行图形变换操作，得到变换图像；再根据特征分析网...

本发明公开了一种基于视频和文本的模型训练方法及装置，该方法包括：确定用于训练模型的训练视频和对应的描述文本；对所述训练视频进行抽帧操作，得到所述训练视频对应的多个训练视频帧；将所述多个训练视频帧和所述描述文本输入基于Transforme...

本发明公开了一种基于图像和文本的模型训练方法及装置，该方法包括：对训练视频进行抽帧操作，得到训练视频对应的多个训练视频帧；从多个训练视频帧中确定出目标表征帧图像，对目标表征帧图像进行复制以得到多个复制表征帧图像；将多个复制表征帧图像和描...

本发明公开了一种基于视频帧的模型训练方法及装置，该方法包括：确定用于训练模型的多个训练视频；根据所述训练视频的视频参数，确定所述训练视频对应的抽帧间隔；根据所述抽帧间隔对所述训练视频进行抽帧操作，得到所述训练视频对应的多个训练视频帧；根...

本发明公开了一种基于多模态关联数据的模型训练方法及装置，该方法包括：确定用于训练模型的训练视频和对应的至少一种模态的关联数据；将所述训练视频和所述关联数据输入视频重建预测模型进行训练，在训练中计算所述视频重建预测模型输出的预测视频和输入...

本发明公开了图文语义对齐模型的弱监督自训练方法及装置，包括：将图文数据输入图文语义对齐模型，以使图文语义对齐模型对图文数据进行分析得到分析结果，图文数据包括原始图像中的前景目标和弱标注文本中的关键词，弱标注文本用于描述原始图像；当分析结...

本发明公开了一种图文语义对齐模型训练方法及装置，该方法包括：根据若干个原始图像，获取细粒度样本数据集；对所有所述细粒度训练样本组中的所述子图像进行数据增强，获得对应于每个所述子图像的增强子图像；根据所有所述细粒度训练样本组及所有所述细粒...

本发明公开了一种音频辅助视频补全的视频重构方法及装置，该方法包括：对待处理视频执行视频预处理操作，得到音频及画面数据，并根据视频块嵌入层对画面数据执行特征转换操作，得到特征转换向量；根据特征融合层，对特征转换向量执行随机掩码操作，得到掩...

本发明公开了一种基于多模态数据的模型训练方法及装置，该方法包括：根据确定出的至少两种模态类型的训练数据集合，训练预先确定出的待训练重构模型，得到待定重构模型；确定待定重构模型的重构损失参数，并根据重构损失参数，判断待定重构模型是否收敛，...

本发明公开了一种基于文本辅助的视频重构模型训练方法及装置，该方法包括：确定目标训练样本集合；根据所有目标训练样本，对待训练的初始视频模型执行模型训练操作，得到训练后视频模型，并判断训练后视频模型是否收敛，若是，则将训练后视频模型确定为视...

本发明公开了一种文本图像区域检测模型的确定方法及装置，该方法包括：根据预设的检测网络构建算法，构建待训练检测网络模型，根据待训练检测网络模型，对待处理图像执行预设的图像处理操作，得到图像处理结果；根据预设的特征比对模块，对图像处理结果所...

本发明公开了一种文本情感分析模型的构建方法及装置，包括：在若干个初始样本文本中插入内含用于指代未知情感的目标字符的模板文本，得到目标样本文本；将每个目标样本文本输入情感分析模型，得到每个目标样本文本对应的情感分析结果；根据所有目标样本文...

本发明公开了一种文本情感分析方法及装置，包括：确定待分析文本对应的文本信息；将文本信息输入至文本情感分析模型，以触发文本情感分析模型对文本信息进行处理并输出多个情感分析结果和每个情感分析结果对应的概率信息；从所有情感分析结果中确定对应的...

本发明公开了一种基于多模态数据的交互训练方法及装置，该方法包括：将训练数据分别输入到相应的训练到收敛的特征提取器中得到数据特征；根据所有数据特征计算对应的第一重构损失函数；根据第一重构损失函数判断特征提取器是否满足对比学习完成条件；若否...

本发明公开了一种基于多元组的文本分类、文本分类模型训练的方法及装置，该方法包括：将文本输入多元组文本分类网络中进行类别分析，得到文本的文本特征；确定文本所属行业对象的层级多个类别的平均文本特征，并分析文本的文本特征与其平均文本特征之间的...

本发明公开了一种基于中心损失的文本层级分类方法及装置，该方法包括：确定欲分类的目标处理文本；将所述目标处理文本输入至训练好的层级分类神经网络模型，以输出得到所述目标处理文本对应的多个相互之间存在层级关系的类别；所述层级分类神经网络模型在...

本发明公开了一种基于重合度损失优化模型的文本识别方法及装置，该方法包括：确定待预测文本；将待预测文本输入至训练好的文本识别模型，得到待预测文本对应的文本特征标签；其中，训练好的文本识别模型基于重合度损失函数被训练得到；重合度损失函数与文...