[發明專利]一種樣本選擇方法、裝置、存儲介質及電子設備

在審

• 申請號: 202010724881.7
• 申請日: 2020-07-24
• 公開（公告）號: CN111881973A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 包夢蛟
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種樣本選擇方法，其特征在于，包括：

確定已訓練的目標模型，以及歷史上訓練所述目標模型所使用的歷史樣本；

根據所述歷史樣本確定新增樣本；

確定由所述歷史樣本和所述新增樣本構成的樣本集合；

采用預設的劃分規則，將所述樣本集合劃分出訓練集和測試集；

針對所述訓練集中的每個樣本，以該樣本的類型作為該樣本的標注，所述類型包括歷史樣本類型和新增樣本類型；

根據所述訓練集中的樣本和樣本對應的標注，對用于識別樣本的類型的識別模型進行訓練，采用訓練后的識別模型對測試集中的各樣本的類型進行識別；

選擇所述識別模型識別出的類型為新增樣本類型的樣本加入訓練樣本集；

根據訓練樣本集，選擇用于更新所述目標模型的樣本。

2.如權利要求1所述的方法，其特征在于，在根據所述歷史樣本確定新增樣本之后，根據訓練樣本集選擇用于更新所述目標模型的樣本之前，所述方法還包括：

采用所述目標模型對所述新增樣本進行識別；

根據所述目標模型的識別結果，確定所述新增樣本中的每個樣本的信息熵；

根據所述每個樣本的信息熵，選擇目標樣本加入訓練樣本集。

3.如權利要求2所述的方法，其特征在于，根據所述每個樣本的信息熵，選擇目標樣本加入訓練樣本集，具體包括：

選擇所述樣本的信息熵大于預設閾值的樣本作為目標樣本，加入所述訓練樣本集。

4.如權利要求1所述的方法，其特征在于，所述劃分規則包括若干種劃分方式，采用每種劃分方式劃分出的各測試集不完全相同；

采用預設的劃分規則，將所述樣本集合劃分出訓練集和測試集，具體包括：

遍歷所述劃分規則包括的所有劃分方式，針對每個劃分方式，采用該劃分方式將所述樣本集合劃分出訓練集和測試集。

5.如權利要求4所述的方法，其特征在于，采用每個劃分方式劃分出的不同的測試集的并集為所述樣本集合。

6.如權利要求4所述的方法，其特征在于，所述劃分規則，具體包括：

將所述樣本集合劃分為若干個子集；

選取部分子集的并集作為訓練集，根據另一部分子集，確定測試集。

7.如權利要求4～6任一所述的方法，其特征在于，根據所述訓練集中的樣本和樣本對應的標注，對用于識別樣本的類型的識別模型進行訓練，具體包括：

針對每個劃分方式，采用該劃分方式劃分出的訓練集中的樣本和樣本對應的標注，對用于識別樣本的類型的識別模型進行訓練，得到該劃分方式對應的用于識別樣本的類型的識別模型；

采用訓練后的識別模型對測試集中的各樣本的類型進行識別，具體包括：

采用該劃分方式對應的識別模型，對采用該劃分方式劃分出的測試集進行識別。

8.一種樣本選擇裝置，其特征在于，包括：

確定模塊，確定已訓練的目標模型，以及歷史上訓練所述目標模型所使用的歷史樣本，根據所述歷史樣本確定新增樣本，確定由所述歷史樣本和所述新增樣本構成的樣本集合；

樣本劃分模塊，采用預設的劃分規則，將所述樣本集合劃分出訓練集和測試集；

樣本標注模塊，針對所述訓練集中的每個樣本，以該樣本的類型作為該樣本的標注，所述類型包括歷史樣本類型和新增樣本類型；

識別模型訓練模塊，根據所述訓練集中的樣本和樣本對應的標注，對用于識別樣本的類型的識別模型進行訓練；

樣本識別模塊，采用訓練后的識別模型對測試集中的各樣本的類型進行識別；

樣本選擇模塊，選擇所述識別模型識別出的類型為新增樣本類型的樣本加入訓練樣本集，根據訓練樣本集，選擇用于更新所述目標模型的樣本。

9.一種電子設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，所述處理器執行所述程序時實現上述權利要求1-7任一所述的樣本選擇方法。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序用于執行上述權利要求1-7任一所述的樣本選擇方法。