【技术实现步骤摘要】
信息识别方法、神经网络模型训练方法及装置
[0001]本公开涉及人工智能
,尤其涉及信息安全、大数据
,具体涉及一种信息识别方法、神经网络模型训练方法及装置。
技术介绍
[0002]随着智能终端设备的功能种类不断丰富,智能终端设备的应用领域也越来越广泛,智能终端设备内部存储的信息量也在逐步攀升,因此,人们对智能终端设备内存储信息的安全性的重视程度也在明显提高。
技术实现思路
[0003]本公开提供了一种信息识别方法、神经网络模型的训练方法及装置。
[0004]根据本公开的一方面,提供了一种信息识别方法,包括:响应于接收到的目标对象的信息识别请求,获取目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和终端设备的使用环境信息;对实时操作信息和使用环境信息进行处理,得到实时操作偏好特征和环境偏好特征;根据实时操作偏好特征和环境偏好特征,生成实时使用偏好信息;以及根据实时使用偏好信息和历史使用偏好信息,得到目标对象的信息识别结果。
[0005]根据本公开的另一方面,提供了一种神经网络模型的训练方法,包括:将样本对象的样本终端设备在预定时段内的样本实时操作信息和样本使用环境信息输入初始模型的特征提取模块,得到样本实时操作偏好特征和样本环境偏好特征;将样本实时操作偏好特征和样本环境偏好特征输入初始模型的特征融合模块,生成样本实时使用偏好信息;基于损失函数,根据样本实时使用偏好信息和样本对象的历史使用偏好信息,得到损失值;以及基于损失值,调整特征融合模块的参数,得到经训练的 ...
【技术保护点】
【技术特征摘要】
1.一种信息识别方法,包括:响应于接收到的目标对象的信息识别请求,获取所述目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和所述终端设备的使用环境信息;对所述实时操作信息和所述使用环境信息进行处理,得到实时操作偏好特征和环境偏好特征;根据所述实时操作偏好特征和所述环境偏好特征,生成实时使用偏好信息;以及根据所述实时使用偏好信息和所述历史使用偏好信息,得到所述目标对象的信息识别结果。2.根据权利要求1所述的方法,其中,所述实时操作信息包括:所述目标对象对所述终端设备的持有操作信息和触摸操作信息;所述对所述实时操作信息和所述使用环境信息进行处理,得到实时操作偏好特征和环境偏好特征,包括:对所述持有操作信息进行处理,得到持有操作偏好特征;对所述触摸操作信息进行处理,得到触摸操作偏好特征;以及对所述使用环境信息进行处理,得到所述环境偏好特征。3.根据权利要求2所述的方法,其中,所述使用环境信息包括所述终端设备的屏幕亮度信息和当前环境光线信息;所述对所述使用环境信息进行处理,得到所述环境偏好特征,包括:根据所述屏幕亮度信息和所述当前环境光线信息,得到所述终端设备的屏幕与当前环境的亮度差异信息;以及对所述亮度差异信息进行处理,得到所述环境偏好特征。4.根据权利要求3所述的方法,其中,所述预定时段内包括多个亮度差异信息;所述对所述亮度差异信息进行处理,得到所述环境偏好特征,包括:按照预定时刻,对所述多个亮度差异信息进行筛选,得到多个目标亮度差异信息,所述目标亮度差异信息表征相邻预定时刻的亮度差异信息的变化在预定阈值范围内的亮度差异信息;以及对所述多个目标亮度差异信息进行处理,得到所述环境偏好特征。5.根据权利要求2所述的方法,其中,所述对所述触摸操作信息进行处理,得到触摸操作偏好特征,包括:对所述触摸操作信息按照预定时长进行划分,得到按压操作信息、滑动操作信息和抬起操作信息;对所述按压操作信息和所述抬起操作信息进行处理,得到点击操作特征;对所述滑动操作信息进行处理,得到滑动操作特征;以及对所述点击操作特征和滑动操作特征进行处理,得到操作轨迹特征。6.根据权利要求5所述的方法,其中,所述按压操作信息包括:按压力度、按压位置和按压时刻;所述抬起操作信息包括:抬起位置和抬起时刻;所述对所述按压操作信息和所述抬起操作信息进行处理,得到点击操作特征,包括:根据所述按压力度,得到按压力度特征;根据所述按压位置和所述抬起位置,得到点击位置特征;以及根据所述按压时刻和所述抬起时刻,得到点击时间间隔特征。
7.根据权利要求5所述的方法,其中,所述滑动操作信息包括:滑动起始位置、滑动终止位置和滑动时长;所述对所述滑动操作信息进行处理,得到滑动操作特征,包括:根据所述滑动起始位置和滑动终止位置,得到滑动距离特征和滑动方向特征;以及根据所述滑动距离特征和滑动时长,得到滑动速度特征。8.根据权利要求5所述的方法,其中,所述对所述点击操作特征和所述滑动操作特征进行处理,得到操作轨迹特征,包括:对所述点击操作特征和所述滑动操作特征进行编码,得到操作编码;以及对所述操作编码按照操作时刻进行处理,得到所述操作轨迹特征。9.根据权利要求2所述的方法,其中,所述持有操作信息包括:持有角度的操作信息、持有距离的操作信息和持有稳定性的操作信息;所述对所述持有操作信息进行处理,得到持有操作偏好特征,包括:对所述持有角度的操作信息进行处理,得到持有角度的偏好特征;对所述持有距离的操作信息进行处理,得到持有距离的偏好特征;以及对所述持有稳定性的操作信息进行处理,得到持有稳定性的偏好特征。10.根据权利要求9所述的方法,其中,所述对持有角度的操作信息包括:对倾斜角度的操作信息和对旋转角度的操作信息;所述对所述持有角度的操作信息进行处理,得到持有角度的偏好特征,包括:对所述倾斜角度的操作信息进行处理,得到倾斜角度的偏好特征;以及对所述旋转角度的操作信息进行处理,得到旋转角度的偏好特征。11.根据权利要求1所述的方法,其中,所述根据所述操作偏好特征和所述环境偏好特征,生成实时使用偏好信息,包括:根据所述目标对象,确定特征权重分配信息;基于所述特征权重分配信息,得到操作偏好特征权重和环境偏好特征权重;以及根据所述操作偏好特征、所述环境偏好特征、所述操作偏好特征权重和所述环境偏好特征权重,得到所述实时使用偏好信息。12.根据权利要求1所述的方法,其中,所述根据所述实时使用偏好信息和所述历史使用偏好信息,得到信息识别结果,包括:基于相似度算法,根据所述实时使用偏好信息和所述历史使用偏好信息,得到相似度;以及根据所述相似度,得到所述信息识别结果。13.一种神经网络模型的训练方法,包括:将样本对象的样本终端设备在预定时段内的样本实时操作信息和样本使用环境信息输入初始模型的特征提取模块,得到样本实时操作偏好特征和样本环境偏好特征;将所述样本实时操作偏好特征和所述样本环境偏好特征输入初始模型的特征融合模块,生成样本实时使用偏好信息;基于损失函数,根据样本实时使用偏好信息和所述样本对象的历史使用偏好信息,得到损失值;以及基于损失值,调整所述特征融合模块的参数,得到经训练的神经网络模型。14.一种信息识别装置,包括:
获取模块,用于响应于接收到的目标对象的信息识别请求,获取所述目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和所述终端设备的使用环境信息;处理模块,用于对所述实时操作信息和所述使用环境信息进行处理,得到实时操作偏好特征和环境偏好特征;生成模块,用于根据所述实时操作偏好特征和所述环境偏好特征,...
【专利技术属性】
技术研发人员:李英杰,郭彪,
申请(专利权)人:北京百度网讯科技有限公司,
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。