[發明專利]一種模型訓練及基于模型訓練的預測方法及裝置

在審

• 申請號: 201810973101.5
• 申請日: 2018-08-24
• 公開（公告）號: CN109242165A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 曾偉雄
• 申請（專利權）人: 蜜小蜂智慧（北京）科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/02;G06N3/04;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種模型訓練方法，其特征在于，所述方法包括：

依次針對待訓練模型的每層子模型，識別該層子模型是否為所述待訓練模型的最后一層子模型，其中所述待訓練模型包含至少兩層子模型；

如果否，將訓練集中已包含正樣本或負樣本標簽的每個樣本數據輸入到該層子模型中，對該層子模型進行訓練；并基于訓練完成的該層子模型輸出訓練集中每個樣本數據對應正樣本數據的置信度，采用所述訓練集中對應正樣本數據的置信度大于該層子模型對應的置信度閾值的樣本數據，對所述訓練集中的樣本數據進行更新；

如果是，將訓練集中已包含正樣本或負樣本標簽的每個樣本數據輸入到該層子模型中，對該層子模型進行訓練。

2.如權利要求1所述的方法，其特征在于，所述將訓練集中已包含正樣本或負樣本標簽的每個樣本數據輸入到該層子模型中，對該層子模型進行訓練之前，所述方法還包括：

判斷所述訓練集中樣本數據的數量是否大于設定的數量閾值；

如果是，進行后續步驟；

如果否，發出告警信息。

3.一種基于權利要求1-2任一項所述的模型訓練方法的預測方法，其特征在于，所述方法包括：

將待檢測數據輸入到訓練完成的模型中；

基于所述訓練完成的模型，輸出預測所述待檢測數據是否為正樣本數據的結果。

4.如權利要求3所述的方法，其特征在于，如果預測所述待檢測數據為正樣本數據，所述方法還包括：

發出告警信息。

5.一種模型訓練裝置，其特征在于，所述裝置包括：

識別模塊，用于依次針對待訓練模型的每層子模型，識別該層子模型是否為所述待訓練模型的最后一層子模型，其中所述待訓練模型包含至少兩層子模型；

訓練模塊，用于如果子模型為非所述待訓練模型的最后一層子模型，將訓練集中已包含正樣本或負樣本標簽的每個樣本數據輸入到該層子模型中，對該層子模型進行訓練；并基于訓練完成的該層子模型輸出訓練集中每個樣本數據對應正樣本數據的置信度，采用所述訓練集中對應正樣本數據的置信度大于該層子模型對應的置信度閾值的樣本數據，對所述訓練集中的樣本數據進行更新；

訓練模塊，還用于如果子模型為所述待訓練模型的最后一層子模型，將訓練集中已包含正樣本或負樣本標簽的每個樣本數據輸入到該層子模型中，對該層子模型進行訓練。

6.如權利要求5所述的裝置，其特征在于，所述裝置還包括：

判斷報警模塊，用于判斷所述訓練集中樣本數據的數量是否大于設定的數量閾值，并在判斷結果為是時，觸發訓練模塊，在判斷結果為否時，發出告警信息。

7.一種基于權利要求5-6任一項所述的模型訓練裝置的預測裝置，其特征在于，所述裝置包括：

輸入模塊，用于將待檢測數據輸入到訓練完成的模型中；

輸出模塊，用于基于所述訓練完成的模型，輸出預測所述待檢測數據是否為正樣本數據的結果。

8.如權利要求7所述的裝置，其特征在于，所述裝置還包括：

報警模塊，用于如果預測所述待檢測數據為正樣本數據，發出告警信息。