[發明專利]一種模型訓練方法、裝置及電子設備在審
| 申請號： | 201910489819.1 | 申請日： | 2019-06-06 |
| 公開（公告）號： | CN110334262A | 公開（公告）日： | 2019-10-15 |
| 發明（設計）人： | 崔陽 | 申請（專利權）人： | 阿里巴巴集團控股有限公司 |
| 主分類號： | G06F16/951 | 分類號： | G06F16/951;G06K9/62 |
| 代理公司： | 北京國昊天誠知識產權代理有限公司 11315 | 代理人： | 許振新;朱文杰 |
| 地址： | 英屬開曼群島大開*** | 國省代碼： | 開曼群島;KY |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 打標 網站集合 網站 模型訓練 裝置及電子設備 網站識別 標簽 特征樣本數據 迭代訓練 網站類型 訓練結果 迭代 申請 | ||
1.一種模型訓練方法，包括：
獲取打標網站集合，所述打標網站集合中的網站對應有打標標簽；
基于所述打標網站集合中網站的特征樣本數據和對應的打標標簽，對網站識別模型進行迭代訓練，所述網站識別模型用于識別網站是否屬于指定網站類型；以及，
基于至少部分迭代輪次的訓練結果，對所述打標網站集合中的網站和/或對應的打標標簽進行調整。
2.根據權利要求1所述的方法，
對所述打標網站集合中的網站進行調整，包括：
將未打標網站集合中網站的特征樣本數據輸入至所述網站識別模型，得到所述未打標網站集合中網站的識別結果；
基于所述未打標網站集合中網站的識別結果，對所述未打標網站集合中的網站進行打標，并將所述未打標網站集合中獲得打標標簽的網站添加至所述打標網站集合中。
3.根據權利要求1所述的方法，
對所述打標網站集合中的網站進行調整，包括：
從所述打標網站集合中刪除訓練結果與所述網站識別模型的識別邊界之間的數學距離未達到第一預設閾值的網站。
4.根據權利要求1所述的方法，
對所述打標網站集合中網站對應的打標標簽進行調整，包括：
將所述打標網站集合中訓練結果與所述識別模型的識別邊界之間的數學距離未達到第二預設閾值的網站確定為待修正網站；
將所述待修正網站對應的打標標簽向該待修正網站對應的訓練結果進行統一。
5.根據權利要求1-4任一項所述的方法，
所述指定網站類型包括：點對點貸款網站、賭博網站、傳銷網站中的任意一者。
6.根據權利要求1-4任一項所述的方法，
在對網站識別模型進行多輪迭代訓練前，還包括：
基于打標網站集合中網站的爬取內容數據進行結構化處理，得到網站對應的特征樣本數據。
7.根據權利要求1-4任一項所述的方法，
若所述網站識別模型收斂到預定條件，或者，迭代輪次滿足預設次數，則結束迭代訓練。
8.一種模型訓練裝置，包括：
獲取模塊，獲取打標網站集合，所述打標網站集合中的網站對應有打標標簽；
訓練模塊，基于所述打標網站集合中網站的特征樣本數據和對應的打標標簽，對網站識別模型進行迭代訓練，所述網站識別模型用于識別網站類型是否屬于指定網站類型；以及，
調整模塊，基于至少部分迭代輪次的訓練結果，對所述打標網站集合中的網站和/或對應的打標標簽進行調整。
9.一種電子設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行：
獲取打標網站集合，所述打標網站集合中的網站對應有打標標簽；
基于所述打標網站集合中網站的特征樣本數據和對應的打標標簽，對網站識別模型進行迭代訓練，所述網站識別模型用于識別網站類型是否屬于指定網站類型；以及，
基于至少部分迭代輪次的訓練結果，對所述打標網站集合中的網站和/或對應的打標標簽進行調整。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如下步驟：
獲取打標網站集合，所述打標網站集合中的網站對應有打標標簽；
基于所述打標網站集合中網站的特征樣本數據和對應的打標標簽，對網站識別模型進行迭代訓練，所述網站識別模型用于識別網站類型是否屬于指定網站類型；以及，
基于至少部分迭代輪次的訓練結果，對所述打標網站集合中的網站和/或對應的打標標簽進行調整。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于阿里巴巴集團控股有限公司，未經阿里巴巴集團控股有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910489819.1/1.html，轉載請聲明來源鉆瓜專利網。
