摘要
本公开提供一种用户分类模型训练与用户分类方法及相关产品。该用户分类模型训练方法的一具体实施方式通过利用脑电与语音、文本三种模态信息,对用户在对话过程中的神经生理与语言行为进行综合采集与分析,并借助多模态大模型融合表示不同模态下的特征。随后,通过模态融合与自监督或对比学习等策略,能够在多模态空间对患者的生理和语言特征进行对齐或匹配,形成统一的特征表示,用以判别用户所属的目标分类的类型(例如,抑郁症亚型的类型)。该方法不仅克服了单一模态带来信息不足的问题,也显著降低了对人工分类经验(例如,临床医生诊断经验)的依赖程度,客观化对用户分类(例如,抑郁症亚型分类)的判定过程。
技术关键词
序列
多模态特征融合
语音特征
样本
数据
文本
注意力
融合特征
脑电特征
分类器
分类模型训练方法
矩阵
标签
分类方法
模块
预训练语言模型
系统为您推荐了相关专利信息
混合损失函数约束
输入神经网络模型
分割方法
编码器
注意力机制
XGBoost模型
LightGBM模型
预测评估模型
机器学习方法
优化器
数据库分析方法
银行交易数据
账户
图谱特征
节点
物联网设备数据
网络
无人机路径规划
能耗
能量消耗