[發明專利]訓練樣本的生成方法和裝置

有效

• 申請號: 201610549832.8
• 申請日: 2016-07-13
• 公開（公告）號: CN107622056B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 劉志慧;彭衛華;李雙龍;康澤宇;劉海浪;王媛瓊;李辰
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/955
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆;胡彬

1.一種訓練樣本的生成方法，其特征在于，包括：

使用已標注樣本對基準評分模型進行訓練，生成調整訓練模型，其中，所述已標注樣本預先標注有樣本評分；

將待標注樣本輸入至所述調整訓練模型中，生成與所述待標注樣本對應的模型評分；

根據所述已標注樣本的樣本評分與所述已標注樣本的模型評分之間的關聯關系，以及與所述待標注樣本對應的模型評分，確定與所述待標注樣本對應的標注樣本評分；

使用所述標注樣本評分對所述待標注樣本進行標注，生成新的已標注樣本；

其中，根據所述已標注樣本的樣本評分與所述已標注樣本的模型評分之間的關聯關系，以及與所述待標注樣本對應的模型評分，確定與所述待標注樣本對應的標注樣本評分包括：

根據與各已標注樣本分別對應的樣本評分以及模型評分，獲取所述已標注樣本中與同一目標樣本評分對應的目標模型評分；

根據各所述目標模型評分在全部目標模型評分中所占的比例，確定與所述目標樣本評分對應的模型評分頻次分布曲線；

根據所述模型評分頻次分布曲線，獲取與所述目標樣本評分對應的高頻模型評分區域；

根據與所述高頻模型評分區域內的目標模型評分對應的待標注樣本，選取目標待標注樣本；

將所述目標樣本評分確定為所述目標待標注樣本的標注樣本評分。

2.根據權利要求1所述的方法，其特征在于，所述樣本評分的取值為離散值，所述模型評分的取值為連續值。

3.根據權利要求2所述的方法，其特征在于，根據所述模型評分頻次分布曲線，獲取與所述目標樣本評分對應的高頻模型評分區域包括：

獲取所述模型評分頻次分布曲線中的最大波峰點；

根據與所述最大波峰點對應的目標模型評分，以及所述最大波峰點兩側的波形下降趨勢，獲取與所述目標樣本評分對應的所述高頻模型評分區域。

4.根據權利要求2所述的方法，其特征在于，根據與所述高頻模型評分區域內的目標模型評分對應的待標注樣本，選取目標待標注樣本包括：

根據所述高頻模型評分區域內的目標模型評分占與所述目標樣本評分對應的全部目標模型評分的比例，確定置信區間；

根據所述置信區間，以及與所述模型評分對應的全部待標注樣本的總數量，確定置信數量；

基于設定數據篩選算法，從與所述目標模型評分對應的全部待標注樣本中獲取所述置信數量的樣本作為所述目標待標注樣本。

5.根據權利要求1所述的方法，其特征在于，還包括：

將標注后生成的所述新的已標注樣本與已有的已標注樣本進行合并，并將所述調整訓練模型作為新的基準評分模型；

返回執行所述使用已標注樣本對基準評分模型進行訓練，生成調整訓練模型的操作，直至滿足設定結束標注條件。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述基準評分模型為梯度提升排序模型。

7.根據權利要求6所述的方法，其特征在于，還包括：

根據與所述調整訓練模型中各顆樹的分裂點對應的目標特征參數的取值，繪制用于表征不同目標特征參數值下的分裂點數量的分裂曲線；

根據所述分裂曲線的波動情況，確定分裂點數量異常的目標特征參數數值區間；

根據所述分裂點數量異常類型，對所述已標注樣本中位于所述目標特征參數數值區間內的樣本進行調整，以對所述調整訓練模型進行優化。

8.根據權利要求7所述的方法，其特征在于，根據所述分裂點數量異常類型，對所述已標注樣本中位于所述目標特征參數數值區間內的樣本進行調整具體包括：

如果所述分裂點數量異常類型為過量異常，則在所述已標注樣本中減少所述目標特征參數數值區間內的樣本數量；

如果所述分裂點數量異常類型為不足異常，則在所述已標注樣本中增加所述目標特征參數數值區間內的樣本數量。