[發明專利]一種針對目標場景的預測模型訓練方法及裝置

在審

• 申請號: 201810958151.6
• 申請日: 2018-08-22
• 公開（公告）號: CN109214436A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 曾利彬
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種針對目標場景的預測模型訓練方法，該方法包括：

獲得N個源場景的N個帶有標簽的源訓練樣本集、及1個目標場景的1個帶有標簽的目標訓練樣本集；其中，N為預設正整數；

利用以下步驟進行迭代處理，直到達到預設結束條件：

針對N個源訓練樣本集中的每一樣本集：將該樣本集與目標訓練樣本集進行合并；利用合并得到的樣本集，訓練得到備選模型；將目標訓練樣本集中的各樣本輸入備選模型，根據模型輸出的預測值及各樣本的標簽值，計算該模型的預測誤差；

將所訓練的N個備選模型中預測誤差最小的模型，作為本次迭代得到的優選模型；

迭代結束后，根據預設篩選規則，從各次迭代得到的各優選模型中，選擇全部或部分模型進行加權，得到針對目標場景的預測模型；其中，進行加權的任一優選模型的權重根據該模型的預測誤差確定，并且預測誤差與所確定權重的關系為負相關。

2.根據權利要求1所述的方法，在第一次迭代處理前，還包括：

確定所獲得的N+1個樣本集中各樣本的預設樣本權重；所述樣本權重用于表示對應樣本在樣本集中的重要程度。

3.根據權利要求2所述的方法，所述迭代處理步驟，還包括：

針對所獲得的N+1個樣本集中的任一樣本：根據預設的更新參數、及預設的更新規則，對本次迭代中該樣本的樣本權重進行更新，更新后的樣本權重用于下次迭代；

其中，預設的更新參數包括：該樣本的標簽值、及將該樣本輸入本次迭代得到的優選模型后輸出的預測值。

4.根據權利要求3所述的方法，所述根據預設的更新參數、及預設的更新規則，對本次迭代中該樣本的樣本權重進行更新，包括：

確定該樣本的標簽值、及將該樣本輸入本次迭代得到的優選模型后輸出的預測值；

利用所確定標簽值與預測值的差值的絕對值，對本次迭代中該樣本的樣本權重進行更新；

其中，在該樣本為N個源訓練樣本集中的樣本的情況下，更新結果與該絕對值的關系為負相關；在該樣本為目標訓練樣本集中的樣本的情況下，更新結果與該絕對值的關系為正相關。

5.根據權利要求1所述的方法，所述預設結束條件，包括：

迭代次數達到預設次數閾值；和/或

本次迭代得到的優選模型的預測誤差小于預設誤差閾值。

6.根據權利要求1所述的方法，所述根據模型輸出的預測值及各樣本的標簽值，計算該模型的預測誤差，包括：

獲得該模型輸出的各樣本的預測值、以及各樣本的標簽值，并且確定各樣本的預測值與標簽值的差值；

確定預設的各樣本的誤差計算權重；

利用所確定的各樣本的誤差計算權重，對所確定的各樣本的差值進行加權求和，得到該模型的預測誤差。

7.根據權利要求6所述的方法，所述確定預設的各樣本的誤差計算權重，包括：

對于輸入該模型的任一樣本：獲得本次迭代中該樣本的樣本權重，并將該樣本權重確定為本次計算預測誤差時該樣本的誤差計算權重；

其中，所述樣本權重為預先設定和/或在迭代中計算得到，且用于表示對應樣本在樣本集中的重要程度。