[發明專利]交互方法、裝置和系統

在審

• 申請號: 201811339327.6
• 申請日: 2018-11-12
• 公開（公告）號: CN109492771A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 謝永康;施恩;劉倩;于燕松;胡鳴人;臧碩;婁雙雙;張晶晶;王莉;李景秋;吳甜
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N20/00
• 分類號: 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

本申請實施例公開了交互方法、裝置和系統。該方法的一具體實施方式包括：發送包含配置信息的模型優化請求；響應于接收到訓練結束消息，執行如下交互步驟：發送包含測試數據的模型測試請求；接收測試結果，基于該測試結果，確定初始模型是否訓練完成；若是，將訓練后的初始模型作為目標模型，發送推薦請求。該實施方式提高了模型優化的便捷性。

技術領域

本申請實施例涉及計算機技術領域，具體涉及交互方法、裝置和系統。

背景技術

隨著人工智能技術日漸成熟，越來越多的人工智能服務以平臺化服務化的形式開放出來,以便易于用戶集成到場景化的業務應用中。

現有的方式中，通常需要研發人員通過郵件或電話溝通等方式向人工智能服務平臺的管理人員發送需求，管理人員進行相關信息的匯總、提取等工作后，使用人工智能服務平臺進行模型訓練。

發明內容

本申請實施例提出了交互方法、裝置和系統。

第一方面，本申請實施例提供了一種交互方法，該方法包括：發送包含配置信息的模型優化請求，其中，配置信息用于指示對提供目標服務的初始模型的訓練；響應于接收到訓練結束消息，執行如下交互步驟：發送包含測試數據的模型測試請求；接收測試結果，基于測試結果，確定初始模型是否訓練完成；若是，將訓練后的初始模型作為目標模型，發送推薦請求，其中，推薦請求用于指示將提供目標服務的初始模型替換為目標模型。

在一些實施例中，該方法還包括：響應于確定初始模型未訓練完成，基于測試結果，對配置信息進行更新，以及，發送包含更新后的配置信息的模型優化請求；響應于接收到訓練結束消息，重新執行交互步驟。

在一些實施例中，模型優化請求還包括樣本集。

第二方面，本申請實施例提供了一種交互方法，該方法包括：接收包含配置信息的模型優化請求，其中，配置信息用于指示對提供目標服務的初始模型的訓練；確定用于訓練初始模型的樣本集，基于樣本集和配置信息，對初始模型進行訓練，返回訓練結束消息；響應于接收到包含測試數據的模型測試請求，將測試數據輸入至訓練后的初始模型，返回訓練后的初始模型所輸出的測試結果；將訓練后的初始模型作為目標模型，響應于接收到對目標模型的推薦請求，將提供目標服務的初始模型替換為目標模型。

在一些實施例中，模型優化請求還包括樣本集；以及確定用于訓練初始模型的樣本集，包括：將模型優化請求中所包含的樣本集確定為用于訓練初始模型的樣本集；或者提取用于訓練初始模型的預置樣本集，將模型優化請求中所包含的樣本集中的樣本匯總至預置樣本集，將匯總后的預置樣本集確定為用于訓練初始模型的樣本集。

在一些實施例中，該方法還包括：響應于接收到對預置的模型集合中的任一模型的模型更新請求，將待更新的模型作為指定模型，提取用于訓練指定模型的樣本集；利用機器學習方法，基于所提取的樣本集，對指定模型進行訓練，將模型集合中的待更新的模型替換為訓練后的指定模型。

在一些實施例中，該方法還包括：對于預置的模型集合中的模型，周期性地提取用于訓練該模型的樣本集，利用機器學習方法，基于所提取的樣本集，對該模型進行訓練，以及，對模型集合中的該模型進行更新。

第三方面，本申請實施例提供了一種交互裝置，該裝置包括：發送單元，被配置成發送包含配置信息的模型優化請求，其中，配置信息用于指示對提供目標服務的初始模型的訓練；第一執行單元，被配置成響應于接收到訓練結束消息，執行如下交互步驟：發送包含測試數據的模型測試請求；接收測試結果，基于測試結果，確定初始模型是否訓練完成；若是，將訓練后的初始模型作為目標模型，發送推薦請求，其中，推薦請求用于指示將提供目標服務的初始模型替換為目標模型。

在一些實施例中，該裝置還包括：更新單元，被配置成響應于確定初始模型未訓練完成，基于測試結果，對配置信息進行更新，以及，發送包含更新后的配置信息的模型優化請求；第二執行單元，被配置成響應于接收到訓練結束消息，重新執行交互步驟。