[發明專利]用于生成模型的方法和裝置

有效

• 申請號: 201711157646.0
• 申請日: 2017-11-20
• 公開（公告）號: CN107766940B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 謝永康;施恩;胡鳴人;李曙鵬;李亞帥;臧碩;潘子豪;趙穎
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N20/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于生成模型的方法，包括：

響應于接收到用戶的終端發送的包括用戶標識的模型生成請求，從預設的模型表中查找與所述用戶標識對應的模型信息集合，并向所述終端發送所述模型信息集合，其中，所述模型信息集合中的模型信息包括模型類別和模型參數，所述模型表用于表征用戶標識和模型信息的對應關系，模型參數包括以下至少一項：網絡層數、核函數類型、誤差精度、學習速率；

響應于接收到所述終端發送的、所述用戶從所述模型信息集合選擇的模型類別和模型參數，確定與所述用戶選擇的模型類別和模型參數匹配的神經網絡；

響應于接收到所述終端發送的樣本數據集合，利用機器學習方法，基于所述樣本數據集合和所述神經網絡訓練得到模型。

2.根據權利要求1所述的方法，所述樣本數據集合中的樣本數據包括輸入樣本數據和輸出樣本數據；以及

所述方法還包括：

從所述樣本數據集合中獲取預定數目的輸入樣本數據和與所述預定數目的輸入樣本數據對應的所述預定數目的輸出樣本數據；

對于所獲取的每條輸入樣本數據，將該輸入樣本數據輸入到所述模型，得到與該輸入樣本數據對應的輸出結果，若該輸出結果與該輸入樣本數據對應的輸出樣本數據的相似度大于預定相似度閾值，則累加驗證正確的次數；

將所述驗證正確的次數與所述預定數目的比值確定為準確率。

3.根據權利要求2所述的方法，其中，所述方法還包括：

若所述準確率大于預定準確率閾值，則將所述模型轉換成應用，并將所述應用發布到目標服務器以供至少一個終端下載使用。

4.根據權利要求3所述的方法，其中，所述方法還包括：

接收下載使用所述應用的終端發送的反饋數據并將所述反饋數據添加到所述樣本數據集合，其中，所述反饋數據包括下載使用所述應用的終端輸入到所述應用中的實際輸入數據、所述實際輸入數據對應的實際輸出結果、所述下載使用所述應用的終端的用戶輸入的期望輸出結果，并且所述實際輸出結果與所述期望輸出結果的相似度小于所述預定相似度閾值；

基于所述實際輸入數據、所述實際輸出結果、所述期望輸出結果重新訓練所述模型，并將更新后的模型重新發布到所述目標服務器。

5.根據權利要求2所述的方法，其中，所述方法還包括：

若所述準確率小于或等于預定準確率閾值，則根據所述準確率和所述用戶選擇的模型類別、模型參數從所述模型信息集合確定出推薦模型信息，并向所述終端發送所述推薦模型信息，以供所述用戶重新選擇模型類別和模型參數。

6.根據權利要求1-5之一所述的方法，其中，所述基于所述樣本數據集合和所述神經網絡訓練得到模型，包括：

從所述樣本數據集合中選取樣本數據執行如下訓練步驟：利用樣本數據訓練神經網絡；基于訓練結果，調整所述神經網絡的網絡參數；確定訓練完成條件是否已經滿足；

響應于確定不滿足并且沒有接收到所述用戶的終端發送的停止訓練消息，從所述樣本數據集合中選取其他樣本數據繼續執行所述訓練步驟；

其中，所述訓練完成條件包括以下至少一項：

所述神經網絡的訓練次數達到預設的訓練次數閾值；

相鄰兩次訓練中，所述神經網絡的輸出之間的損失值小于預設閾值。

7.一種用于生成模型的裝置，包括：

接收單元，配置用于響應于接收到用戶的終端發送的包括用戶標識的模型生成請求，從預設的模型表中查找與所述用戶標識對應的模型信息集合，并向所述終端發送所述模型信息集合，其中，所述模型信息集合中的模型信息包括模型類別和模型參數，所述模型表用于表征用戶標識和模型信息的對應關系，模型參數包括以下至少一項：網絡層數、核函數類型、誤差精度、學習速率；

確定單元，配置用于響應于接收到所述終端發送的、所述用戶從所述模型信息集合選擇的模型類別和模型參數，確定與所述用戶選擇的模型類別和模型參數匹配的神經網絡；

訓練單元，配置用于響應于接收到所述終端發送的樣本數據集合，利用機器學習裝置，基于所述樣本數據集合和所述神經網絡訓練得到模型。