(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221043787 7.1 (22)申请日 2022.04.25 (71)申请人 有米科技股份有限公司 地址 510006 广东省广州市番禺区小谷围 街青蓝街26号1701 (72)发明人 钟艺豪　陈第　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 江银会 (51)Int.Cl. G06V 30/413(2022.01) G06F 40/30(2020.01) G06N 20/00(2019.01) (54)发明名称 基于重合度损失优化模型的文本识别方法 及装置 (57)摘要 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本识别模型 在训练时输出的预测标签分布与对应的训练数 据的真实标签分布之间的重合度相关。 可见， 实 施本发明能够利用基于重合度损失函数进行训 练优化的文本识别模型对待预测文本对应的文 本特征标签进行识别， 实现在语义分析过程中对 不同实体给 予不同的重视程度， 提升对文本中具 有特定意 义的标签的识别准确率。 权利要求书2页 说明书13页 附图4页 CN 114998919 A 2022.09.02 CN 114998919 A 1.一种基于重合度损失优化模型的文本识别方法， 其特征在于， 所述基于重合度损失 优化模型的文本识别方法包括： 确定待预测文本； 将所述待预测文本输入至训练好的文本识别模型， 得到所述待预测文本对应的文本特 征标签； 其中， 所述训练好的文本识别模型基于重合度损失函数被训练得到； 所述重合度损 失函数与所述文本识别模型在训练时输出的预测标签分布与对应的训练数据的真实标签 分布之间的重合度相关。 2.根据权利要求1所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 重合度损失函数的值， 与所述文本识别模型在训练时输出的预测标签分布与对应的训练数 据的真实标签分布之间的重合度成反比。 3.根据权利要求2所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 文本识别模型在训练时输出的预测标签分布与对应的训练数据的真实标签分布之间的重 合度的数值， 为所述预测标签分布的全部可能结果中和所述真实标签分布的全部可能结果 中表示结果相同的数量与2的乘积， 与所述预测标签分布和所述真实标签分布的全部可能 结果的数量之和的比值。 4.根据权利要求2所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 文本识别模型在训练时输出的预测标签分布与对应的训练数据的真实标签分布之间的重 合度的数值， 为文本识别模型在训练 时的所有训练数据单元的预测真实二倍积之和与所有 训练数据单元的预测真实平方求和值之和的比值； 所述预测真实二倍积为每一训练数据单 元的预测标签值与真实标签值与2的乘积； 所述预测真实平方求和值为每一训练数据单元 的预测标签值的平方值与真实标签值的平方值之和。 5.根据权利要求2所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 文本识别模型在训练时输出的预测标签分布与对应的训练数据的真实标签分布之间的重 合度的数值， 为文本识别模型在训练 时的所有训练数据单元的预测真实二倍积之和的第一 修正值与所有训练数据单元的预测真实平方求和值之和的第二修正值的比值； 所述第一修 正值为所述预测真实二倍积之和与第一修正因子之和， 所述第二修正值为所述预测真实平 方求和值之和与第二修正因子之和， 所述第一修正因子和所述第二修正因子均为非负数； 所述预测真实二倍积为每一训练数据单元 的预测标签值与真实标签值与2的乘积； 所述预 测真实平方求和 值为每一训练数据单元的预测标签值的平方值与真实标签值的平方值之 和； 所述真实标签值在所述训练数据单 元不属于所述文本特 征标签时为 零。 6.根据权利要求1所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 训练好的文本识别模型通过以下步骤被训练得到： 从符合第一预设条件的多个训练文本中获得训练数据， 对所述文本识别模型进行训 练； 当所述文本识别模型在训练中满足第 二预设条件时， 将所述文本识别模型作为所述训 练好的文本识别模型。 7.根据权利要求6所述的基于重合度损失优化模型的文本识别方法， 其特征在于， 所述 从符合第一预设条件的多个训练文本中获得训练数据， 包括：权　利　要　求　书 1/2 页 2 CN 114998919 A 2对于每一符合第 一预设条件的训练文本， 根据该训练文本 中的每一训练文本单元的是 否属于所述文本特征标签以及位置， 逐一生成该训练文本中每一训练文本单元对应的标 签， 得到该训练文本对应的标签序列； 对所有所述训练文本对应的所述标签序列进行独热编码， 得到训练数据。 8.根据权利要求6或7 所述的基于 重合度损失优化模型的文本识别方法， 其特 征在于， 所述第一预设条件 包括： 所述训练文本的类型与所述待预测文本的类型相同； 和/或， 所述第二预设条件 包括： 与所述训练数据中的当前训练数据对应的重合度损失函数的值小于或等于设定阈值。 9.一种基于重合度损失优化模型的文本识别装置， 其特征在于， 所述基于重合度损失 优化模型的文本识别装置包括： 确定模块， 用于确定待预测文本； 输入模块， 用于将所述待预测文本输入至训练好的文本识别模型， 得到所述待预测文 本对应的文本特征标签； 其中， 所述训练好的文本识别模型基于重合度损失函数被训练得 到； 所述重合度损失函数与文本识别模型在训练 时输出的预测标签分布与对应的训练数据 的真实标签分布之间的重合度相关。 10.一种基于重合度损失优化模型的文本识别装置， 其特征在于， 所述基于重合度损失 优化模型的文本识别装置包括： 存储有可执行程序代码的存 储器； 与所述存 储器耦合的处 理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 执行如权利要求1 ‑8任一 项所述的基于 重合度损失优化模型的文本识别方法。权　利　要　求　书 2/2 页 3 CN 114998919 A 3