[發明專利]一種模型迭代更新方法及裝置

在審

• 申請號: 201910046743.5
• 申請日: 2019-01-18
• 公開（公告）號: CN109902827A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 洪國強;肖龍源;李稀敏;蔡振華;劉曉葳;譚玉坤
• 申請（專利權）人: 廈門快商通信息咨詢有限公司
• 主分類號: G06N5/02
• 分類號: G06N5/02
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 樂珠秀

本發明公開了一種模型迭代更新方法及裝置，所述方法包括，對應用于系統的各種模型進行存儲和標記；當系統的第1至第n開發數據中任一開發數據有更新時，使用第1至第m算法進行訓練，生成新的模型，并將新的模型替換舊的模型；或者當系統的任一算法有改進或系統增加新的算法，生成新的模型替代或增加新的模型；并采用投票機制或打分機制從模型組的模型中篩選系統最終使用的模型。采用本發明可以有效地減少無用的更新量，從而節約時間及金錢成本，提高系統的使用效率。

技術領域

本發明涉及計算機技術領域，尤其涉及一種模型迭代更新方法及裝置。

背景技術

計算機領域中大部分人工智能技術的實現方法步驟如下：研究算法、開發模型、利用開發數據訓練模型，然后將訓練后的成熟模型應用于實際場景中。因為多種原因，模型不可能訓練到很完美再進行應用，一是因為時間問題，二是用于訓練的開發數據及算法會不斷更新。每當開發數據及算法進行更新時，為了使模型達到更好的效果，就需要重新訓練模型。

一套系統解決方案中經常會使用到多個模型(算法+開發數據)，如果開發數據或算法更新則需要對這些模型全部進行重新訓練，以及更新相應的知識庫，需要花費大量的時間。

發明內容

鑒于上述現有技術的不足，本發明的目的在于提出一種模型迭代更新方法及裝置，旨在解決現有技術可以解決系統每次重新訓練及更新知識庫時花費大量時間的問題。

為達成上述目的，本發明的技術方案如下：

本發明提供了一種模型迭代更新方法，所述方法包括：

步驟一，對應用于系統的各種模型進行存儲和標記，所述系統包含m個算法和n組開發數據，通過第1至第n開發數據分別對第1至第m算法進行訓練，得到訓練后的模型組，模型組為Md11、Md12、…、Md1n、Md21、Md22、…、Md2n、…、Mdm1、Mdm2、…、Mdmn，其中，n、m均為正整數且n≥1、m≥1，m代表算法序號，n代表開發數據序號；

步驟二，當系統的第1至第n開發數據中任一開發數據有更新時，使用第1至第m 算法進行訓練，生成新的模型，并將新的模型替換舊的模型；

步驟三，采用投票機制或打分機制從模型組的模型中篩選系統最終使用的模型。

進一步的，上述模型迭代更新方法是根據模型的置信度和/或概率數據對模型進行投票或評分。

進一步的，上述模型迭代更新方法還包括：當系統有新用戶數據產生時，將新用戶數據使用已有的最優模型計算所需數據并存入系統的知識庫中；所述新用戶的用戶信息未存在系統的知識庫中。

進一步的，上述模型迭代更新方法還包括：當系統有老用戶數據產生時，提取相應數據的模型有更新最優的，則將老用戶數據使用最優的新模型計算所需數據并覆蓋掉已有的信息；所述老用戶的用戶信息存在或部分存在系統的知識庫中。

在本發明另一實施例還提供了一種模型迭代更新方法，所述方法包括：

步驟一，對應用于系統的各種模型進行存儲和標記，所述系統包含m個算法和n組開發數據，通過第1至第n開發數據分別對第1至第m算法進行訓練，得到訓練后的模型組，模型組為Md11、Md12、…、Md1n、Md21、Md22、…、Md2n、…、Mdm1、Mdm2、…、Mdmn，其中，n、m均為正整數且n≥1、m≥1，m代表算法序號，n代表開發數據序號；

步驟二，當系統的第1至第m算法中任一算法有改進或系統增加新的算法，利用第1至第n開發數據訓練，生成新的模型；若系統的第1至第m算法中任一算法有改進，則將新的模型替換舊的模型；若系統增加新的算法，則將新的模型加入到模型組中；

步驟三，采用投票機制或打分機制從模型組的模型中篩選最優模型作為系統最終使用的模型。