[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

本申請公開了用于生成模型的方法和裝置。該方法的一具體實施方式包括：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用戶標識對應的模型信息集合，并向終端發送模型信息集合，其中，模型信息集合中的模型信息包括模型類別和模型參數，模型表用于表征用戶標識和模型信息的對應關系；響應于接收到終端發送的用戶從模型信息集合選擇的模型類別和模型參數，確定與用戶選擇的模型類別和模型參數匹配的神經網絡；響應于接收到終端發送的樣本數據集合，利用機器學習方法，基于樣本數據集合和神經網絡訓練得到模型。該實施方式能夠生成用戶自定義的神經網絡模型。

技術領域

本申請實施例涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及用于生成模型的方法和裝置。

背景技術

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

隨著深度學習的發展，現有的AI技術在通用領域往往能取得較好的效果，比如：通用文字識別、有限集合的圖像分類、通用分詞、通用語音識別。然而，現實應用中需要AI能力的場景往往都是定制化的，比如：特定單據的文字識別、醫學術語的分詞、特殊場景的語音識別。

發明內容

本申請實施例提出了用于生成模型的方法和裝置。

第一方面，本申請實施例提供了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用戶標識對應的模型信息集合，并向終端發送模型信息集合，其中，模型信息集合中的模型信息包括模型類別和模型參數，模型表用于表征用戶標識和模型信息的對應關系；響應于接收到終端發送的用戶從模型信息集合選擇的模型類別和模型參數，確定與用戶選擇的模型類別和模型參數匹配的神經網絡；響應于接收到終端發送的樣本數據集合，利用機器學習方法，基于樣本數據集合和神經網絡訓練得到模型。

在一些實施例中，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；以及該方法還包括：從樣本數據集合中獲取預定數目的輸入樣本數據和與預定數目的輸入樣本數據對應的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；將驗證正確的次數與預定數目的比值確定為準確率。

在一些實施例中，該方法還包括：若準確率大于預定準確率閾值，則將模型轉換成應用，并將應用發布到目標服務器以供至少一個終端下載使用。

在一些實施例中，該方法還包括：接收下載使用應用的終端發送的反饋數據并將反饋數據添加到樣本數據集合，其中，反饋數據包括下載使用應用的終端輸入到應用中的實際輸入數據、實際輸入數據對應的實際輸出結果、下載使用應用的終端的用戶輸入的期望輸出結果，并且實際輸出結果與期望輸出結果的相似度小于預定相似度閾值；基于實際輸入數據、實際輸出結果、期望輸出結果重新訓練模型，并將更新后的模型重新發布到目標服務器。

在一些實施例中，該方法還包括：若準確率小于或等于預定準確率閾值，則根據準確率和用戶選擇的模型類別、模型參數從模型信息集合確定出推薦模型信息，并向終端發送推薦模型信息，以供用戶重新選擇模型類別和模型參數。