[發明專利]一種訓練方法、裝置、服務器、平臺及存儲介質

在審

• 申請號: 201911347139.2
• 申請日: 2019-12-24
• 公開（公告）號: CN111126626A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 侯麗麗;劉鳴
• 申請（專利權）人: 上海器魂智能科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08
• 代理公司: 上海知錦知識產權代理事務所(特殊普通合伙) 31327
• 代理人: 湯陳龍;李麗

1.一種訓練方法，其特征在于，應用于服務器，所述方法包括：

在訓練配置過程中，向客戶端發送多個配置提示信息；其中，一個所述配置提示信息用于在一個訓練配置環節，提示所述客戶端確定所述訓練配置環節的訓練配置信息，所述訓練配置過程包括多個訓練配置環節；

獲取所述客戶端反饋的多個配置確定信息，其中，一個所述配置確定信息用于指示所述客戶端確定的一個所述訓練配置環節的訓練配置信息；所述訓練配置信息至少包括：訓練使用的目標數據庫及目標機器學習模型，所述目標數據庫至少包括訓練樣本；

根據所述目標數據庫訓練所述目標機器學習模型，以得到訓練后的目標機器學習模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述多個訓練配置環節至少包括：數據庫配置環節，應用場景配置環節和模型配置環節；所述在訓練配置過程中，向客戶端發送多個配置提示信息包括：

在所述數據庫配置環節，向所述客戶端發送數據庫配置提示信息，所述數據庫配置提示信息用于提示所述客戶端確定所述目標數據庫；

及，在所述應用場景配置環節，向所述客戶端發送應用場景配置提示信息，所述應用場景配置提示信息用于提示所述客戶端確定目標應用場景；

及，在所述模型配置環節，向所述客戶端發送模型配置提示信息，所述模型配置提示信息用于提示所述客戶端確定所述目標機器學習模型。

3.根據權利要求2所述的訓練方法，其特征在于，所述獲取所述客戶端反饋的多個配置確定信息包括：

獲取所述客戶端基于所述數據庫配置提示信息所反饋的數據庫配置確定信息，所述數據庫配置確定信息用于指示所述客戶端確定的所述目標數據庫；

及，獲取所述客戶端基于所述應用場景配置提示信息所反饋的應用場景確定信息，所述應用場景確定信息用于指示所述客戶端確定的所述目標應用場景；

及，獲取所述客戶端基于所述模型配置提示信息所反饋的模型配置確定信息，所述模型配置確定信息用于指示所述客戶端確定的所述目標機器學習模型。

4.根據權利要求3所述的訓練方法，其特征在于，所述應用場景配置環節位于所述模型配置環節之前，所述數據庫配置環節位于所述模型配置環節之前或者之后。

5.根據權利要求3-4任一項所述的訓練方法，其特征在于，所述向所述客戶端發送數據庫配置提示信息包括：

向所述客戶端至少發送預設的多個數據庫標識及數據庫選擇提示信息，所述數據庫選擇提示信息用于提示所述客戶端從所述多個數據庫標識中選擇目標數據庫標識；其中，一個數據庫標識用于標識所述服務器預設的一個數據庫，所述服務器對于一個應用場景預設有至少一個數據庫；

所述獲取所述客戶端基于所述數據庫配置提示信息所反饋的數據庫配置確定信息包括：

獲取所述客戶端從所述多個數據庫標識中選擇的目標數據庫標識，所述目標數據庫標識用于標識所述目標數據庫。

6.根據權利要求5所述的訓練方法，其特征在于，在所述根據所述目標數據庫訓練所述目標機器學習模型之前，所述方法還包括：

獲取所述客戶端針對所述目標數據庫定義的訓練樣本和測試樣本。

7.根據權利要求6所述的訓練方法，其特征在于，所述訓練樣本對應有多個訓練數據類型，所述測試樣本對應有多個測試數據類型；所述多個訓練數據類型的第一數量及所述多個測試數據類型的第二數量均不大于預設全類型數量，且均不小于預設類型數量下限；所述訓練樣本的訓練數據的數量大于所述第一數量，且為所述第一數量的倍數，一個所述訓練數據類型對應有多個訓練數據；所述測試樣本的測試數據的數量大于所述第二數量，且為所述第二數量的倍數，一個所述測試數據類型對應有多個測試數據。

8.根據權利要求3-4任一項所述的訓練方法，其特征在于，所述向所述客戶端發送數據庫配置提示信息包括：

向所述客戶端發送目標數據庫上傳提示信息；

所述獲取所述客戶端基于所述數據庫配置提示信息所反饋的數據庫配置確定信息包括：

獲取所述客戶端上傳的目標數據庫。