[發明專利]模型訓練方法、裝置、設備和介質

在審

• 申請號: 201910028170.3
• 申請日: 2019-01-11
• 公開（公告）號: CN111435452A
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 馮智;張宇;宋傳園
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種模型訓練方法、裝置、設備和介質，涉及數據處理技術領域。該方法包括：基于目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，以及目標樣本標識在合作方數據集中的樣本數據與待訓練模型參數的乘積，確定待訓練模型的輸出與樣本標簽之間的殘差；基于確定的殘差，對待訓練模型參數進行更新。本發明實施例提供了一種模型訓練方法、裝置、設備和介質，實現了在無需獲取合作方數據明文的情況下，結合合作方數據和自身數據對需求模型進行豐富維度的訓練。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種模型訓練方法、裝置、設備和介質。

背景技術

在這個數據大爆炸的時代，數據已經成為一種無形的資產。企業可以根據業務需求，利用企業自身擁有的數據進行需求模型的訓練。然后，利用訓練的需求模型對未見數據進行預測。基于預測結果，進行業務需求分析。

通常企業僅利用自身擁有的數據進行需求模型的訓練。

然而，一個企業的樣本數據的維度相對較少，而基于較少維度的樣本數據完成的需求模型無法對數據進行準確預測。從而無法基于預測結果進行業務需求的準確分析。

發明內容

本發明實施例提供一種模型訓練方法、裝置、設備和介質，以實現在無需獲取合作方數據明文的情況下，結合合作方數據和自身數據對需求模型進行豐富維度的訓練。

第一方面，本發明實施例提供了一種模型訓練方法，該方法包括：

基于目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，以及目標樣本標識在合作方數據集中的樣本數據與待訓練模型參數的乘積，確定待訓練模型的輸出與樣本標簽之間的殘差；

基于確定的殘差，對待訓練模型參數進行更新。

第二方面，本發明實施例還提供了一種模型訓練方法，所述方法包括：

確定目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積；

向業務方發送目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，由業務方執行如下：基于目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，以及目標樣本標識在業務方數據集中的樣本數據與待訓練模型參數的乘積，確定待訓練模型的輸出與樣本標簽之間的殘差；基于確定的殘差，對待訓練模型參數進行更新。

第三方面，本發明實施例還提供了一種模型訓練裝置，該裝置包括：

殘差確定模塊，用于基于目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，以及目標樣本標識在合作方數據集中的樣本數據與待訓練模型參數的乘積，確定待訓練模型的輸出與樣本標簽之間的殘差；

參數更新模塊，用于基于確定的殘差，對待訓練模型參數進行更新。

第四方面，本發明實施例還提供了一種模型訓練裝置，該裝置包括：

乘積確定模塊，用于確定目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積；

乘積發送模塊，用于向業務方發送目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，由業務方執行如下：基于目標樣本標識在本地數據集中的樣本數據與待訓練模型參數的乘積，以及目標樣本標識在業務方數據集中的樣本數據與待訓練模型參數的乘積，確定待訓練模型的輸出與樣本標簽之間的殘差；基于確定的殘差，對待訓練模型參數進行更新。

第五方面，本發明實施例還提供了一種設備，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，