数据分拨方法、模型训练方法、装置、计算机设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，尤其涉及一种数据分拨方法、模型训练方法、装置、计算机设备及介质。该方法将文本数据遮挡，根据文本数据和遮挡数据，训练得到初步训练好的文本编码器，将文本数据与第一分拨信息拼接，输入初步训练好的文本编码器，得到文本特征向量，将图像数据与第二分拨信息拼接，输入图像编码器，得到图像特征向量，计算每个文本特征向量和每个图像特征向量的内积，根据内积对文本编码器再次训练，得到最终训练好的文本编码器，采用文本数据对文本编码器进行初步训练，使得文本编码器能够学习到文本数据所属场景的信息，结合分拨信息和图像特征向量对文本编码器再次训练，提高了模型的特征提取能力，提高数据分拨的准确率。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种数据分拨方法、模型训练方法、装置、计算机设备及介质。

技术介绍

1、目前，随着人工智能的快速发展，智能化应用已广泛部署于多类场景中，例如，在数据分拨场景下，分拨任务可以是指将不同的数据分发给不同的处理人员，现有方法通常采用分类模型或者排序召回模型对接收到的文本数据进行处理，得到对应文本数据的分拨信息，能够有效减少人力成本，提高数据分拨的效率。

2、但是，接收到的数据往往是以图文数据表示的，而现有方法忽略了与文本数据关联的图像数据，仅对文本数据进行处理，导致丢失了图像数据能够额外提供的场景信息以及文本数据中存在遗漏的信息，进而导致数据分拨的分拨准确率较低，因此，如何有效提高数据分拨的分拨准确率成为亟待解决的问题。

技术实现思路

1、有鉴于此，本专利技术实施例提供了一种数据分拨方法、模型训练方法、装置、计算机设备及介质，以解决数据分拨的分拨准确率较低的问题。

2、第一方面，本专利技术实施例提供一种数据分拨的模型训练方法，所述的模型训练方法包括：

<本文档来自技高网...

【技术保护点】

1.一种数据分拨的模型训练方法，其特征在于，所述模型训练方法包括：

2.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述N个文本数据和所述N个对应文本数据的遮挡数据，对预设的文本编码器进行训练，得到初步训练好的文本编码器，包括：

3.根据权利要求1所述的模型训练方法，其特征在于，所述将所述N个文本数据分别与其对应的第一分拨信息拼接后，分别输入所述初步训练好的文本编码器进行特征提取，得到N个对应文本数据的文本特征向量，包括：

4.根据权利要求1所述的模型训练方法，其特征在于，所述将N个图像数据分别与其对应的第二分拨信息拼接后，分别输入预设的图像...

【技术特征摘要】

1.一种数据分拨的模型训练方法，其特征在于，所述模型训练方法包括：

2.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述n个文本数据和所述n个对应文本数据的遮挡数据，对预设的文本编码器进行训练，得到初步训练好的文本编码器，包括：

3.根据权利要求1所述的模型训练方法，其特征在于，所述将所述n个文本数据分别与其对应的第一分拨信息拼接后，分别输入所述初步训练好的文本编码器进行特征提取，得到n个对应文本数据的文本特征向量，包括：

4.根据权利要求1所述的模型训练方法，其特征在于，所述将n个图像数据分别与其对应的第二分拨信息拼接后，分别输入预设的图像编码器进行特征提取，得到n个对应图像数据的图像特征向量，包括：

5.根据权利要求1所述的模型训练方法，其特征在于，所述计算每个文本特征向量分别和n个图像特征向量之间的内积，根...

【专利技术属性】
技术研发人员：李宏彬，蚁韩羚，余晓填，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：