一种面向深度学习表格识别模型演化的回归缺陷缓解方法

本发明公开了一种面向深度学习表格识别模型演化的回归缺陷缓解方法，首先在特征选择阶段运用CONMI评估函数结合特定超参数筛选新特征，与旧特征集合进行合并后的新特征集合作为模型训练数据，实现基于贡献度控制的重训练，一方面通过期望梯度计算特征贡献度，另一方面设计包含余弦相似度和交叉熵损失函数的总体损失函数来稳定旧特征贡献度并学习新特征，基于新特征集合通过前向传播和反向传播的过程训练模型；新版本的表格识别模型的准确率满足条件下，构建特征演化场景，依据回归缓解策略实现模型演化过程，将新版本的表格识别模型的准确率作为评估指标，获得演化过程回归缺陷缓解策略。本发明有助于提升深度学习表格识别模型质量和可靠性。