CN116630712A - 基于模态组合的信息分类方法、装置、电子设备及介质 - Google Patents

基于模态组合的信息分类方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN116630712A
CN116630712A CN202310609996.5A CN202310609996A CN116630712A CN 116630712 A CN116630712 A CN 116630712A CN 202310609996 A CN202310609996 A CN 202310609996A CN 116630712 A CN116630712 A CN 116630712A
Authority
CN
China
Prior art keywords
picture
text
model
training
loss value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310609996.5A
Other languages
English (en)
Inventor
舒畅
陈又新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310609996.5A priority Critical patent/CN116630712A/zh
Publication of CN116630712A publication Critical patent/CN116630712A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能，揭露一种基于模态组合的信息分类方法，包括：提取训练图片信息集中的初始图片特征并提取训练文本信息集中的初始文本特征，对初始图片特征对应的图片损失值、初始文本特征对应的文本损失值和融合损失值进行求和处理，得到最终损失值，利用最终损失值对多任务分类模型进行模型训练，得到训练后的多任务分类模型，将待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。此外，本发明还涉及区块链技术，最终损失值可存储于区块链的节点。本发明还提出一种基于模态组合的信息分类装置、电子设备以及存储介质。本发明可以提高信息分类的效率。

Description

基于模态组合的信息分类方法、装置、电子设备及介质
技术领域
本发明涉及人工智能领域，尤其涉及一种基于模态组合的信息分类方法、装置、电子设备及存储介质。
背景技术
在金融等领域中，通常会接收到大量不同模态的业务信息，如文本信息或者图片信息等。由于不同的业务都是以业务信息作为数据基础而开展的，因此信息的分类很重要。
现有的信息分类方法通常通过多模态模型结构实现，但是多模态模型的模型结构只支持对于多种模态信息组合的输出数据，对于单一模态的输入，例如，只有图片信息或者只有文本信息时，这种模型结构就不支持，进而造成信息分类的效率较低。因此，亟待提出一种效率较高的信息分类方法。
发明内容
本发明提供一种基于模态组合的信息分类方法、装置、电子设备及存储介质，其主要目的在于提高信息分类的效率。
为实现上述目的，本发明提供的一种基于模态组合的信息分类方法，包括：
获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集；
将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量；
根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
可选地，所述将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，包括：
在所述区域图片集中添加预设类别块，得到待处理图片集；
对所述待处理图片集中的待处理图片进行图片展平及向量化处理，得到多个展平向量，将多个所述展平向量进行向量拼接处理，得到拼接向量；
对所述拼接向量进行降维处理，得到降维向量，在所述降维向量中添加位置编码，得到位置编码特征；
将所述位置编码特征输入至所述图片特征提取模型中的编码层，得到交互特征，从所述交互特征中抽取与所述类别块对应的特征作为初始图片特征。
可选地，所述分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理，包括：
对所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值训练所述图片特征提取模型和所述文本特征提取模型中的模型参数；
当训练后的图片特征提取模型和文本特征提取模型符合预设收敛条件时，确定模型训练结束。
可选地，所述根据预设单模态分类模型构建所述初始图片特征对应的图片损失值，包括：
将所述初始图片特征输入至所述单模态分类模型中进行分类计算，得到分类预测值；
将所述分类预测值和预设分类真实值输入至交叉熵损失函数中，得到图片损失值。
可选地，所述将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征，包括：
对所述分词文本集进行掩码处理，得到掩码数据集；
通过所述文本特征提取模型中的向量化处理将所述掩码数据集转换为对应的向量数据集；
对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵，并将所述目标向量相关矩阵作为初始文本特征。
可选地，所述对所述分词文本集进行掩码处理，得到掩码数据集，包括：
获取预设的掩码概率，根据所述掩码概率从所述分词文本集中筛选出多个关键词；
对所述多个关键词进行掩码处理，得到掩码词，并利用所述掩码词替换所述关键词，得到掩码数据集。
可选地，所述对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，包括：
获取预设参考区域及所述参考区域对应的区域大小，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理，得到所述训练图片信息对应的切割集；
遍历所述训练图片信息集中的每张训练图片信息并对所述训练图片信息执行切割处理，将每张训练图片信息切割得到的切割集进行汇总处理，得到区域图片集。
为了解决上述问题，本发明还提供一种基于模态组合的信息分类装置，所述装置包括：
数据处理模块，用于获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集，将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
单一模型训练模块，用于根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
损失值生成模块，用于当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量，根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
多任务分类模块，用于根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于模态组合的信息分类方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于模态组合的信息分类方法。
本发明实施例中，通过图片特征提取模型、文本特征提取模型、单模态分类模型和多模态分类模型构建多任务分类模型，在所述多任务分类模型中组合了单模态和多模态的特征，并利用通过图片特征提取模型、文本特征提取模型和多模态分类模型构建的最终损失值对多任务分类模型进行模型训练，使得训练好的多任务分类模型可以接收单一图片、单一文本和图片文本组合的输入形式各自分类，扩展了输入的多样性且在保证不同的输入情况下信息分类的效率。因此本发明提出的基于模态组合的信息分类方法、装置、电子设备及存储介质，可以解决提高信息分类的效率低的问题。
附图说明
图1为本发明一实施例提供的基于模态组合的信息分类方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的基于模态组合的信息分类装置的功能模块图；
图4为本发明一实施例提供的实现所述基于模态组合的信息分类方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于模态组合的信息分类方法。所述基于模态组合的信息分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于模态组合的信息分类方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于模态组合的信息分类方法的流程示意图。在本实施例中，所述基于模态组合的信息分类方法包括以下步骤S1-S6：
S1、获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集。
本发明实施例中，所述训练图片信息集中包含在金融领域中与金融业务相关的业务图片信息，所述训练文本信息集中包含在金融领域中与金融业务相关的业务文本信息。其中，所述训练图片信息集和所述训练文本信息集可以作为模型训练的基础数据。
具体地，所述对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，包括：
获取预设参考区域及所述参考区域对应的区域大小，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理，得到所述训练图片信息对应的切割集；
遍历所述训练图片信息集中的每张训练图片信息并对所述训练图片信息执行切割处理，将每张训练图片信息切割得到的切割集进行汇总处理，得到区域图片集。
详细地，所述预设参考区域是预先设定好大小的区域，所述预设顺序是指按照从左到右和从上到下的顺序，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理是指将所述训练图片信息切割为若干个不重叠且大小相等的图片小块，即切割集。
进一步地，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集，所述分词文本集中包含多个以词为单位的分词。可以通过基准分词器实现分词处理，其中，所述基准分词器可以为Jieba分词。
S2、将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征。
本发明实施例中，参照图2所示，所述将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，包括：
S21、在所述区域图片集中添加预设类别块，得到待处理图片集；
S22、对所述待处理图片集中的待处理图片进行图片展平及向量化处理，得到多个展平向量，将多个所述展平向量进行向量拼接处理，得到拼接向量；
S23、对所述拼接向量进行降维处理，得到降维向量，在所述降维向量中添加位置编码，得到位置编码特征；
S24、将所述位置编码特征输入至所述图片特征提取模型中的编码层，得到交互特征，从所述交互特征中抽取与所述类别块对应的特征作为初始图片特征。
详细地，预设类别块的作用在于与所述区域图片集中的区域图片进行交互，从而在所述类别块中学习到用于分类的特征。所述图片展平处理可以通过flatten操作实现。在所述降维向量中添加位置编码，所述位置编码用于标示每一个区域图像的相对位置，将所述位置编码特征输入至所述图片特征提取模型中的编码层，即transformerencoder中，得到交互特征，在所述交互特征中抽取代表所述类别块的一维特征作为初始图片特征。
优选地，所述图片特征提取模型为ViT(Vision Transformer，视觉模型)，ViT模型可以从浅层获得全局特征，并且能够保留更多的空间信息。
具体地，所述将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征，包括：
对所述分词文本集进行掩码处理，得到掩码数据集；
通过所述文本特征提取模型中的向量化处理将所述掩码数据集转换为对应的向量数据集；
对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵，并将所述目标向量相关矩阵作为初始文本特征。
详细地，所述文本特征提取模型为Bert(Bidirectional EncoderRepresentation from Transformers，双向编码模型)模型。
进一步地，所述对所述分词文本集进行掩码处理，得到掩码数据集，包括：
获取预设的掩码概率，根据所述掩码概率从所述分词文本集中筛选出多个关键词；
对所述多个关键词进行掩码处理，得到掩码词，并利用所述掩码词替换所述关键词，得到掩码数据集。
详细地，所述掩码概率是指在所述训练数据集中随机挑选的关键词的字数占所述分词文本集中总字数的比例，例如，若所述掩码概率为40％，当所述分词文本集中包含100个字，故按照40％的掩码概率筛选出多个关键词即随机对所述训练数据集中的40个关键词进行掩码。
其中，所述掩码处理的方式包括MASK掩码、随机掩码，MASK掩码指用MASK符号对关键词进行遮掩、所述随机掩码指用其他词语对关键词进行遮掩。
S3、根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理。
本发明实施例中，所述根据预设单模态分类模型构建所述初始图片特征对应的图片损失值，包括：
将所述初始图片特征输入至所述单模态分类模型中进行分类计算，得到分类预测值；
将所述分类预测值和预设分类真实值输入至交叉熵损失函数中，得到图片损失值。
详细地，所述单模态分类模型为MLP(Multi-layerPerceptron，多层感知器)模型，利用所述单模态分类模型对所述初始图片特征进行分类计算是指利用模型中的softmax函数进行分类计算，得到分类预测值。
具体地，根据预设单模态分类模型构建所述初始文本特征对应的文本损失值与根据预设单模态分类模型构建所述初始图片特征对应的图片损失值的步骤一致，此处不再赘述。
进一步地，所述分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理，包括：
对所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值训练所述图片特征提取模型和所述文本特征提取模型中的模型参数；
当训练后的图片特征提取模型和文本特征提取模型符合预设收敛条件时，确定模型训练结束。
详细地，将所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值去训练所述图片特征提取模型ViT和所述文本特征提取模型BERT中的模型参数，训练直到模型收敛，即两个模型的交叉熵损失函数的函数值不再减少。
优选地，可以通过单模态单任务训练的方法，预训练各自模态中涉及到的模型，即预先训练好图片特征提取模型和文本特征提取模型。
S4、当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量。
本发明实施例中，当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，其中，所述初始图片特征对应的全连接层及所述初始文本特征对应的全连接层是不同参数的学习矩阵，可以将所述初始图片特征及所述初始文本特征映射到相同的维度上，故得到图片特征向量和文本特征向量。
具体地，将所述图片特征向量和所述文本特征向量进行拼接获得多模态的融合特征向量，其中，向量的拼接可以通过拼接运算符或者拼接算法实现。
S5、根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值。
本发明实施例中，所述预设多模态分类模型是指多模态MLP模型，根据预设多模态分类模型构建所述融合特征向量对应的融合损失值是指将所述融合特征向量输入至所述预设多模态分类模型中的交叉熵损失函数中，得到融合损失值。
具体地，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值，并利用所述最终损失值进行后续的模型训练。
S6、根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
本发明实施例中，根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，所述多任务分类模型中包含用于单一图片信息分类的图片特征提取模型及单模态分类模型，也包含用于单一文本信息分类的文本特征提取模型及单模态分类模型，还可以包括用于图片文本组合作为输入的图片特征提取模型、文本特征提取模型和多模态分类模型。
具体地，利用所述最终损失值对所述多任务分类模型进行模型训练，可以实现整体的误差梯度反传效果，得到训练后的多任务分类模型。若只采用所述融合损失值进行误差梯度反传，则所述图片特征提取模型和所述文本特征提取模型参数都会被误差影像而被更新，更新后的参数会影响单模态的任务效果，但利用所述最终损失值进行误差反传，那么所述图片特征提取模型和所述文本特征提取模型的模型参数在被更新时也会兼顾单模态时单一输入的误差和多模态作为输入时的误差。
进一步地，预获取的待分类信息输入至训练后的多任务分类模型中，当所述待分类信息为单一文本信息或者单一图片信息时，此时所述多任务分类模型则会利用训练好的图片特征提取模型和图片对应的单模态分类模型进行分类，或者利用训练好的文本特征提取模型和文本对应的单模态分类模型进行分类。当所述待分类信息为图片文本组合的信息时，此时所述多任务分类模型会利用训练好的图片特征提取模型和所述文本特征提取模型分别提取特征后，利用多模态分类模型进行分类。
本发明实施例中，通过图片特征提取模型、文本特征提取模型、单模态分类模型和多模态分类模型构建多任务分类模型，在所述多任务分类模型中组合了单模态和多模态的特征，并利用通过图片特征提取模型、文本特征提取模型和多模态分类模型构建的最终损失值对多任务分类模型进行模型训练，使得训练好的多任务分类模型可以接收单一图片、单一文本和图片文本组合的输入形式各自分类，扩展了输入的多样性且在保证不同的输入情况下信息分类的效率。因此本发明提出的基于模态组合的信息分类方法可以解决提高信息分类的效率低的问题。
如图3所示，是本发明一实施例提供的基于模态组合的信息分类装置的功能模块图。
本发明所述基于模态组合的信息分类装置100可以安装于电子设备中。根据实现的功能，所述基于模态组合的信息分类装置100可以包括数据处理模块101、单一模型训练模块102、损失值生成模块103及多任务分类模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据处理模块101，用于获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集，将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
所述单一模型训练模块102，用于根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
所述损失值生成模块103，用于当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量，根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
所述多任务分类模块104，用于根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
详细地，所述基于模态组合的信息分类装置100各模块的具体实施方式如下：
步骤一、获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集。
本发明实施例中，所述训练图片信息集中包含在金融领域中与金融业务相关的业务图片信息，所述训练文本信息集中包含在金融领域中与金融业务相关的业务文本信息。其中，所述训练图片信息集和所述训练文本信息集可以作为模型训练的基础数据。
具体地，所述对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，包括：
获取预设参考区域及所述参考区域对应的区域大小，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理，得到所述训练图片信息对应的切割集；
遍历所述训练图片信息集中的每张训练图片信息并对所述训练图片信息执行切割处理，将每张训练图片信息切割得到的切割集进行汇总处理，得到区域图片集。
详细地，所述预设参考区域是预先设定好大小的区域，所述预设顺序是指按照从左到右和从上到下的顺序，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理是指将所述训练图片信息切割为若干个不重叠且大小相等的图片小块，即切割集。
进一步地，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集，所述分词文本集中包含多个以词为单位的分词。可以通过基准分词器实现分词处理，其中，所述基准分词器可以为Jieba分词。
步骤二、将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征。
本发明实施例中，所述将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，包括：
在所述区域图片集中添加预设类别块，得到待处理图片集；
对所述待处理图片集中的待处理图片进行图片展平及向量化处理，得到多个展平向量，将多个所述展平向量进行向量拼接处理，得到拼接向量；
对所述拼接向量进行降维处理，得到降维向量，在所述降维向量中添加位置编码，得到位置编码特征；
将所述位置编码特征输入至所述图片特征提取模型中的编码层，得到交互特征，从所述交互特征中抽取与所述类别块对应的特征作为初始图片特征。
详细地，预设类别块的作用在于与所述区域图片集中的区域图片进行交互，从而在所述类别块中学习到用于分类的特征。所述图片展平处理可以通过flatten操作实现。在所述降维向量中添加位置编码，所述位置编码用于标示每一个区域图像的相对位置，将所述位置编码特征输入至所述图片特征提取模型中的编码层，即transformerencoder中，得到交互特征，在所述交互特征中抽取代表所述类别块的一维特征作为初始图片特征。
优选地，所述图片特征提取模型为ViT(Vision Transformer，视觉模型)，ViT模型可以从浅层获得全局特征，并且能够保留更多的空间信息。
具体地，所述将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征，包括：
对所述分词文本集进行掩码处理，得到掩码数据集；
通过所述文本特征提取模型中的向量化处理将所述掩码数据集转换为对应的向量数据集；
对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵，并将所述目标向量相关矩阵作为初始文本特征。
详细地，所述文本特征提取模型为Bert(Bidirectional EncoderRepresentation from Transformers，双向编码模型)模型。
进一步地，所述对所述分词文本集进行掩码处理，得到掩码数据集，包括：
获取预设的掩码概率，根据所述掩码概率从所述分词文本集中筛选出多个关键词；
对所述多个关键词进行掩码处理，得到掩码词，并利用所述掩码词替换所述关键词，得到掩码数据集。
详细地，所述掩码概率是指在所述训练数据集中随机挑选的关键词的字数占所述分词文本集中总字数的比例，例如，若所述掩码概率为40％，当所述分词文本集中包含100个字，故按照40％的掩码概率筛选出多个关键词即随机对所述训练数据集中的40个关键词进行掩码。
其中，所述掩码处理的方式包括MASK掩码、随机掩码，MASK掩码指用MASK符号对关键词进行遮掩、所述随机掩码指用其他词语对关键词进行遮掩。
步骤三、根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理。
本发明实施例中，所述根据预设单模态分类模型构建所述初始图片特征对应的图片损失值，包括：
将所述初始图片特征输入至所述单模态分类模型中进行分类计算，得到分类预测值；
将所述分类预测值和预设分类真实值输入至交叉熵损失函数中，得到图片损失值。
详细地，所述单模态分类模型为MLP(Multi-layerPerceptron，多层感知器)模型，利用所述单模态分类模型对所述初始图片特征进行分类计算是指利用模型中的softmax函数进行分类计算，得到分类预测值。
具体地，根据预设单模态分类模型构建所述初始文本特征对应的文本损失值与根据预设单模态分类模型构建所述初始图片特征对应的图片损失值的步骤一致，此处不再赘述。
进一步地，所述分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理，包括：
对所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值训练所述图片特征提取模型和所述文本特征提取模型中的模型参数；
当训练后的图片特征提取模型和文本特征提取模型符合预设收敛条件时，确定模型训练结束。
详细地，将所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值去训练所述图片特征提取模型ViT和所述文本特征提取模型BERT中的模型参数，训练直到模型收敛，即两个模型的交叉熵损失函数的函数值不再减少。
优选地，可以通过单模态单任务训练的方法，预训练各自模态中涉及到的模型，即预先训练好图片特征提取模型和文本特征提取模型。
步骤四、当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量。
本发明实施例中，当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，其中，所述初始图片特征对应的全连接层及所述初始文本特征对应的全连接层是不同参数的学习矩阵，可以将所述初始图片特征及所述初始文本特征映射到相同的维度上，故得到图片特征向量和文本特征向量。
具体地，将所述图片特征向量和所述文本特征向量进行拼接获得多模态的融合特征向量，其中，向量的拼接可以通过拼接运算符或者拼接算法实现。
步骤五、根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值。
本发明实施例中，所述预设多模态分类模型是指多模态MLP模型，根据预设多模态分类模型构建所述融合特征向量对应的融合损失值是指将所述融合特征向量输入至所述预设多模态分类模型中的交叉熵损失函数中，得到融合损失值。
具体地，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值，并利用所述最终损失值进行后续的模型训练。
步骤六、根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
本发明实施例中，根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，所述多任务分类模型中包含用于单一图片信息分类的图片特征提取模型及单模态分类模型，也包含用于单一文本信息分类的文本特征提取模型及单模态分类模型，还可以包括用于图片文本组合作为输入的图片特征提取模型、文本特征提取模型和多模态分类模型。
具体地，利用所述最终损失值对所述多任务分类模型进行模型训练，可以实现整体的误差梯度反传效果，得到训练后的多任务分类模型。若只采用所述融合损失值进行误差梯度反传，则所述图片特征提取模型和所述文本特征提取模型参数都会被误差影像而被更新，更新后的参数会影响单模态的任务效果，但利用所述最终损失值进行误差反传，那么所述图片特征提取模型和所述文本特征提取模型的模型参数在被更新时也会兼顾单模态时单一输入的误差和多模态作为输入时的误差。
进一步地，预获取的待分类信息输入至训练后的多任务分类模型中，当所述待分类信息为单一文本信息或者单一图片信息时，此时所述多任务分类模型则会利用训练好的图片特征提取模型和图片对应的单模态分类模型进行分类，或者利用训练好的文本特征提取模型和文本对应的单模态分类模型进行分类。当所述待分类信息为图片文本组合的信息时，此时所述多任务分类模型会利用训练好的图片特征提取模型和所述文本特征提取模型分别提取特征后，利用多模态分类模型进行分类。
本发明实施例中，通过图片特征提取模型、文本特征提取模型、单模态分类模型和多模态分类模型构建多任务分类模型，在所述多任务分类模型中组合了单模态和多模态的特征，并利用通过图片特征提取模型、文本特征提取模型和多模态分类模型构建的最终损失值对多任务分类模型进行模型训练，使得训练好的多任务分类模型可以接收单一图片、单一文本和图片文本组合的输入形式各自分类，扩展了输入的多样性且在保证不同的输入情况下信息分类的效率。因此本发明提出的基于模态组合的信息分类装置可以解决提高信息分类的效率低的问题。
如图4所示，是本发明一实施例提供的实现基于模态组合的信息分类方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于模态组合的信息分类程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于模态组合的信息分类程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于模态组合的信息分类程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于模态组合的信息分类程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集；
将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量；
根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集；
将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量；
根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于模态组合的信息分类方法，其特征在于，所述方法包括：
获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集；
将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量；
根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
2.如权利要求1所述的基于模态组合的信息分类方法，其特征在于，所述将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，包括：
在所述区域图片集中添加预设类别块，得到待处理图片集；
对所述待处理图片集中的待处理图片进行图片展平及向量化处理，得到多个展平向量，将多个所述展平向量进行向量拼接处理，得到拼接向量；
对所述拼接向量进行降维处理，得到降维向量，在所述降维向量中添加位置编码，得到位置编码特征；
将所述位置编码特征输入至所述图片特征提取模型中的编码层，得到交互特征，从所述交互特征中抽取与所述类别块对应的特征作为初始图片特征。
3.如权利要求1所述的基于模态组合的信息分类方法，其特征在于，所述分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理，包括：
对所述图片损失值和所述文本损失值进行梯度反传处理，并利用梯度反传后的损失值训练所述图片特征提取模型和所述文本特征提取模型中的模型参数；
当训练后的图片特征提取模型和文本特征提取模型符合预设收敛条件时，确定模型训练结束。
4.如权利要求1所述的基于模态组合的信息分类方法，其特征在于，所述根据预设单模态分类模型构建所述初始图片特征对应的图片损失值，包括：
将所述初始图片特征输入至所述单模态分类模型中进行分类计算，得到分类预测值；
将所述分类预测值和预设分类真实值输入至交叉熵损失函数中，得到图片损失值。
5.如权利要求1所述的基于模态组合的信息分类方法，其特征在于，所述将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征，包括：
对所述分词文本集进行掩码处理，得到掩码数据集；
通过所述文本特征提取模型中的向量化处理将所述掩码数据集转换为对应的向量数据集；
对所述向量数据集执行矩阵转换处理，得到目标向量相关矩阵，并将所述目标向量相关矩阵作为初始文本特征。
6.如权利要求5所述的基于模态组合的信息分类方法，其特征在于，所述对所述分词文本集进行掩码处理，得到掩码数据集，包括：
获取预设的掩码概率，根据所述掩码概率从所述分词文本集中筛选出多个关键词；
对所述多个关键词进行掩码处理，得到掩码词，并利用所述掩码词替换所述关键词，得到掩码数据集。
7.如权利要求1所述的基于模态组合的信息分类方法，其特征在于，所述对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，包括：
获取预设参考区域及所述参考区域对应的区域大小，以所述区域大小作为切割标准，以预设顺序作为切割顺序对所述训练图片信息进行切割处理，得到所述训练图片信息对应的切割集；
遍历所述训练图片信息集中的每张训练图片信息并对所述训练图片信息执行切割处理，将每张训练图片信息切割得到的切割集进行汇总处理，得到区域图片集。
8.一种基于模态组合的信息分类装置，其特征在于，所述装置包括：
数据处理模块，用于获取训练图片信息集及训练文本信息集，对所述训练图片信息集中的训练图片信息进行区域切割处理，得到区域图片集，对所述训练文本信息集中的训练文本信息进行分词处理，得到分词文本集，将所述区域图片集输入至图片特征提取模型中进行图片特征提取，得到初始图片特征，将所述分词文本集输入至文本特征提取模型中进行文本特征提取，得到初始文本特征；
单一模型训练模块，用于根据预设单模态分类模型分别构建所述初始图片特征对应的图片损失值及所述初始文本特征对应的文本损失值，分别利用所述图片损失值和所述文本损失值对所述图片特征提取模型和所述文本特征提取模型进行模型训练处理；
损失值生成模块，用于当所述模型训练符合预设收敛条件时，分别将所述初始图片特征及所述初始文本特征输入至对应的全连接层中，得到图片特征向量和文本特征向量，对所述图片特征向量和所述文本特征向量进行向量拼接处理，得到融合特征向量，根据预设多模态分类模型构建所述融合特征向量对应的融合损失值，对所述融合损失值、所述图片损失值和所述文本损失值进行求和处理，得到最终损失值；
多任务分类模块，用于根据所述图片特征提取模型、所述文本特征提取模型、所述单模态分类模型和所述多模态分类模型构建多任务分类模型，利用所述最终损失值对所述多任务分类模型进行模型训练，得到训练后的多任务分类模型，将预获取的待分类信息输入至训练后的多任务分类模型中，得到标准分类结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于模态组合的信息分类方法。
10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于模态组合的信息分类方法。
CN202310609996.5A 2023-05-26 2023-05-26 基于模态组合的信息分类方法、装置、电子设备及介质 Pending CN116630712A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310609996.5A CN116630712A (zh) 2023-05-26 2023-05-26 基于模态组合的信息分类方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310609996.5A CN116630712A (zh) 2023-05-26 2023-05-26 基于模态组合的信息分类方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN116630712A true CN116630712A (zh) 2023-08-22

Family

ID=87609465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310609996.5A Pending CN116630712A (zh) 2023-05-26 2023-05-26 基于模态组合的信息分类方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116630712A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117421641A (zh) * 2023-12-13 2024-01-19 深圳须弥云图空间科技有限公司 一种文本分类的方法、装置、电子设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117421641A (zh) * 2023-12-13 2024-01-19 深圳须弥云图空间科技有限公司 一种文本分类的方法、装置、电子设备及可读存储介质
CN117421641B (zh) * 2023-12-13 2024-04-16 深圳须弥云图空间科技有限公司 一种文本分类的方法、装置、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN113822494A (zh) 风险预测方法、装置、设备及存储介质
CN113157927B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN114398557B (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN111652278A (zh) 用户行为检测方法、装置、电子设备及介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114880449B (zh) 智能问答的答复生成方法、装置、电子设备及存储介质
CN116630712A (zh) 基于模态组合的信息分类方法、装置、电子设备及介质
CN114913371A (zh) 多任务学习模型训练方法、装置、电子设备及存储介质
CN112269875B (zh) 文本分类方法、装置、电子设备及存储介质
CN116680580A (zh) 基于多模态训练的信息匹配方法、装置、电子设备及介质
CN114625340B (zh) 基于需求分析的商用软件研发方法、装置、设备及介质
CN113706019B (zh) 基于多维数据的业务能力分析方法、装置、设备及介质
CN113626605B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN113806540B (zh) 文本打标签方法、装置、电子设备及存储介质
CN113705686B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN115982454A (zh) 基于用户画像的问卷推送方法、装置、设备及存储介质
CN114677526A (zh) 图像分类方法、装置、设备及介质
CN113887201A (zh) 文本定长纠错方法、装置、设备及存储介质
CN112749264A (zh) 基于智能机器人的问题分发方法、装置、电子设备及存储介质
CN115221875B (zh) 词权重生成方法、装置、电子设备及存储介质
CN115098688B (zh) 多标签分类模型训练方法、装置、电子设备及存储介质
CN117195898A (zh) 实体关系抽取方法、装置、电子设备及存储介质
CN116541723A (zh) 图像文本匹配方法、装置、设备及存储介质
CN116225416A (zh) 网页代码创建方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination