信息识别方法、神经网络模型训练方法及装置与流程

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。

背景技术：

1、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

1、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。

2、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。

3、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，得到经训练的神经网络模型。

4、根据本公开的另一方面，提供了一种信息识别装置，包括：获取模块、处理模块、生成模块和获得模块。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。处理模块，用于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。生成模块，用于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。获得模块，用于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。

5、根据本公开的另一方面，提供了一种神经网路模型的训练装置，包括：特征提取模块、特征融合模块、损失计算模块和调整模块。特征提取模块，用于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。特征融合模块，用于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。损失计算模块，用于基于损失函数，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。调整模块，用于基于损失值，调整特征融合模块的参数，得到经训练的神经网络模型。

6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如上的方法。

7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行如上的方法。

8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如上的方法。

9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种信息识别方法，包括：

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：

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：

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：

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：

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：

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：

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：

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：

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：

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：

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：

13.一种神经网络模型的训练方法，包括：

14.一种信息识别装置，包括：

15.根据权利要求14所述的装置，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；所述处理模块包括：

16.根据权利要求15所述的装置，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；所述第三处理子模块包括：

17.根据权利要求16所述的装置，其中，所述预定时段内包括多个亮度差异信息；所述第一处理单元包括：

18.根据权利要求15所述的装置，其中，所述第二处理子模块包括：

19.根据权利要求18所述的装置，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；所述第二处理单元包括：

20.根据权利要求18所述的装置，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；所述第三处理单元包括：

21.根据权利要求18所述的装置，其中，所述第四处理单元包括：

22.根据权利要求15所述的装置，其中，所述第一处理子模块包括：

23.根据权利要求22所述的装置，其中，所述第五处理单元包括：对倾斜角度的操作信息和对旋转角度的操作信息；第五处理单元包括：

24.根据权利要求14所述的装置，其中，所述生成模块包括：

25.根据权利要求14所述的装置，其中，所述获得模块包括：

26.一种神经网络模型的训练装置，包括：

27.一种电子设备，包括：

28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。

29.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的方法。

技术总结
本公开提供了信息识别方法、神经网络模型训练方法及装置，涉及人工智能技术领域，尤其涉及信息安全、大数据技术领域。该信息识别方法的具体实现方案为：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。

技术研发人员：李英杰,郭彪
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/15