(19)中华 人民共和国 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 202111664023.9 (22)申请日 2021.12.31 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 王晓华　付立波　陈雨　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 代理人 李文静 (51)Int.Cl. G06F 16/735(2019.01) G06F 16/738(2019.01) G06F 16/9535(2019.01) G06F 16/9538(2019.01) G06K 9/62(2022.01) (54)发明名称 数据信息识别方法、 装置、 设备、 存储介质及 程序产品 (57)摘要 本申请公开了一种数据信息识别方法、 装 置、 设备、 存储介质及程序产品， 涉及计算机技术 领域。 该方法包括： 获取样 本数据集， 样本 数据集 中的样本数据对应至少两层具有从属关系的事 件属性； 基于事件属性的从属关系确定样本三元 组， 样本三元组中包括锚点数据、 与锚点数据在 从属关系中属于同一事件属性的正样本数据， 以 及与锚点数据在从属关系中属于不同事件属性 的负样本数据； 基于样本三元 组对候选模型进行 训练， 得到数据信息识别模型， 用于得到与待识 别目标数据的事件属性关联的数据。 通过以上方 式， 能够在应用数据信息识别模 型时得到至少两 层事件属性对应的数据， 提高数据的获取量。 本 申请可应用于云技术、 人工智 能、 智慧交通等各 种场景。 权利要求书3页 说明书23页 附图9页 CN 114329051 A 2022.04.12 CN 114329051 A 1.一种数据信息识别方法， 其特 征在于， 所述方法包括： 获取样本数据集， 所述样本数据集中包括样本数据， 所述样本数据对应至少两层具有 从属关系的事 件属性； 基于所述事件属性的从属关系确定样本三元组， 所述样本三元组中包括锚点数据、 正 样本数据和负样本数据， 所述锚点数据与所述正样本数据在所述从属关系中属于同一事件 属性， 所述锚点数据与所述负 样本数据在所述从属关系中属于不同事 件属性； 基于所述样本三元组对候选模型进行训练， 得到数据信息识别模型， 所述数据信息识 别模型用于对目标 数据进行信息识别， 得到与所述目标 数据的事 件属性关联的数据。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述事件属性的从属关系确定样 本三元组， 包括： 从所述样本数据集中确定所述锚点数据； 基于所述事件属性的从属关系， 从所述样本数据集中确定与 所述锚点数据属于同一事 件属性的数据作为所述 正样本数据； 基于所述事件属性的从属关系， 从所述样本数据集中确定与 所述锚点数据属于不同事 件属性的数据作为所述负 样本数据； 基于所述锚点数据、 所述 正样本数据和所述负 样本数据确定所述样本三元组。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 确定所述从属关系中所述锚点数据所属的目标事 件属性； 所述基于所述事件属性的从属关系， 从所述样本数据集中确定与所述锚点数据属于同 一事件属性的数据作为所述 正样本数据， 包括： 从所述样本数据集中确定属于所述目标事 件属性的数据作为所述 正样本数据； 所述基于所述事件属性的从属关系， 从所述样本数据集中确定与所述锚点数据属于不 同事件属性的数据作为所述负 样本数据， 包括： 从所述样本数据集中确定属于除所述目标事件属性以外的其他事件属性的数据作为 所述负样本数据。 4.根据权利要求1至 3任一所述的方法， 其特 征在于， 所述获取样本数据集， 包括： 确定第一层事 件属性； 基于所述第一层事件属性， 获取至少两个第二层事件属性， 所述第一层事件属性包括 至少两个从属的第二层事 件属性； 从所述至少两个从属的第二层事 件属性下分别获取至少两个所述样本数据； 基于所述样本数据获取 所述样本数据集。 5.根据权利要求1至3任一所述的方法， 其特征在于， 所述事件属性的从属关系中包括 从属的至少三层事 件属性； 所述基于所述事 件属性的从属关系确定样本三元组， 包括： 基于所述事件属性的从属关系， 确定与 所述锚点数据在第 一层事件属性下对应的至少 一个第一样本三元组， 其中， 所述锚点数据属于所述第一层事 件属性； 基于所述事件属性的从属关系， 确定与 所述锚点数据在第 二层事件属性下对应的至少 一个第二样本三元组， 其中， 所述锚点数据属于所述第二层事 件属性； 基于所述事件属性的从属关系， 确定与 所述锚点数据在第 三层事件属性下对应的至少权　利　要　求　书 1/3 页 2 CN 114329051 A 2一个第三样本三元组， 其中， 所述锚点数据属于所述第三层事 件属性。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 通过所述候选模型对所述样本数据进行事件关联度分析， 得到所述样本数据之间的事 件关联度； 所述基于所述事件属性的从属关系， 确定与所述锚点数据在第 一层事件属性下对应的 至少一个第一样本三元组， 包括： 基于所述第 一层事件属性下的样本数据与 所述锚点数据之间的事件关联度， 以及与 所 述第一层事件属性同层的其他事件属性下的样本数据与所述锚点数据之间的事件关联度， 确定与所述锚点数据在第一层事 件属性下对应的至少一个第一样本三元组； 所述基于所述事件属性的从属关系， 确定与所述锚点数据在第 二层事件属性下对应的 至少一个第二样本三元组， 包括： 基于所述第 二层事件属性下的样本数据与 所述锚点数据之间的事件关联度， 以及与 所 述第二层事件属性同层的其他事件属性下的样本数据与所述锚点数据之间的事件关联度， 确定与所述锚点数据在第二层事 件属性下对应的至少一个第二样本三元组； 所述基于所述事件属性的从属关系， 确定与所述锚点数据在第 三层事件属性下对应的 至少一个第三样本三元组， 包括： 基于所述第 三层事件属性下的样本数据与 所述锚点数据之间的事件关联度， 以及与 所 述第三层事件属性同层的其他事件属性下的样本数据与所述锚点数据之间的事件关联度， 确定与所述锚点数据在第三层事 件属性下对应的至少一个第三样本三元组。 7.根据权利要求6所述的方法， 其特征在于， 所述通过所述候选模型对所述样本数据进 行事件关联度分析， 得到所述样本数据之间的事 件关联度， 包括： 通过所述候选模型对所述样本数据集中的样本数据进行特征提取， 得到所述样本数据 对应的向量表示； 基于所述样本数据对应的向量表示在向量空间中的距离关系， 得到所述样本数据之间 的事件关联度。 8.根据权利要求5所述的方法， 其特征在于， 所述基于所述样本三元组对候选模型进行 训练， 得到数据信息识别模型， 包括： 基于所述第一样本三元组， 确定所述第一层事 件属性对应的第一损失值； 基于所述第二样本三元组， 确定所述第二层事 件属性对应的第二损失值； 基于所述第三样本三元组， 确定所述第三层事 件属性对应的第三损失值； 将所述第一损 失值、 所述第二损 失值以及所述第三损 失值进行融合， 得到所述候选模 型的损失值； 以所述损失值对所述 候选模型进行训练， 得到数据信息识别模型。 9.根据权利要求7所述的方法， 其特征在于， 所述通过所述候选模型对所述样本数据集 中的样本数据进行 特征提取， 得到所述样本数据对应的向量表示， 包括： 对所述样本数据进行 预处理， 得到所述样本数据对应的特 征表示； 通过所述候选模型对所述特征表示进行特征提取， 得到所述样本数据对应的向量表 示。 10.根据权利要求9所述的方法， 其特 征在于， 所述样本数据包括样本 视频；权　利　要　求　书 2/3 页 3 CN 114329051 A 3