[發明專利]模型訓練方法和裝置、電子設備、計算機可讀存儲介質

在審

• 申請號: 202011259760.6
• 申請日: 2020-11-11
• 公開（公告）號: CN114501515A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 何世明
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: H04W24/06
• 分類號: H04W24/06;G06K9/62;G06N3/08
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 姜春咸;馮建基

本申請提供了一種模型訓練方法和裝置、電子設備、計算機可讀存儲介質，模型訓練方法包括：獲取第一區域的第一標簽樣本和第一標簽樣本所屬的類別；根據第一標簽樣本所屬的類別和第一標簽樣本對基礎分類模型進行模型的再次訓練得到最終分類模型；其中，基礎分類模型為適用于第二區域的分類模型，最終分類模型為適用于第一區域的分類模型。

技術領域

本申請實施例涉及通訊領域，特別涉及模型訓練方法和裝置、電子設備、計算機可讀存儲介質。

背景技術

隨著通信技術的高速發展，用戶的要求也在不斷提高，通信系統作為一種高度復雜且集成化的系統，如果某一部分出現故障，將對整個系統的正常運行造成嚴重影響。因此，對于問題小區，如何進行快速的檢測識別，保證系統的穩定性是業界一個急需解決的問題。

目前的故障檢測技術往往都是通過對設備的實時檢測以及專家的經驗在進行分析，通常需要大量的人力投入，對無線網絡運維的要求極高。在相關的一些技術中也有采用大數據進行分析，結合人工智能(AI，ArtificialIntelligence)方法訓練得到相關模型。但是在通信領域中，模型往往在某地適用，但是切換到另一個地方，由于地理位置、用戶習慣、組網方式、設備結構、天氣等諸多因素的變化，導致在某地適用的模型無法在另一個地方適用。由于標簽樣本的獲取難度很大，難以在另一個地方重新收集標簽樣本，因此也難以重新訓練模型。

發明內容

本申請實施例提供一種模型訓練方法和裝置、電子設備、計算機可讀存儲介質。

第一方面，本申請實施例提供一種模型訓練方法，包括：

獲取第一區域的第一標簽樣本以及所述第一標簽樣本所屬的類別；

根據所述第一標簽樣本所屬的類別，使用所述第一標簽樣本對基礎分類模型進行模型的再次訓練得到最終分類模型；其中，所述基礎分類模型為適用于第二區域的分類模型，所述最終分類模型為適用于所述第一區域的分類模型。

第二方面，本申請實施例提供一種電子設備，包括：

至少一個處理器；

存儲器，存儲器上存儲有至少一個程序，當所述至少一個程序被所述至少一個處理器執行時，實現上述任意一種模型訓練方法。

第三方面，本申請實施例提供一種計算機可讀存儲介質，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上述任意一種模型訓練方法。

本申請實施例提供的模型訓練方法，先獲取第一區域的第一標簽樣本以及所述第一標簽樣本所屬的類別，然后基于第一標簽樣本所屬的類別，使用第一標簽樣本對基礎分類模型進行模型的再次訓練得到最終分類模型，由于最終分類模型是對基礎分類模型進行模型的再次訓練得到的，而不是進行模型的重新訓練得到的，因此，并不需要獲取第一區域過多的標簽樣本就能實現對適用于第一區域的分類模型的訓練，也就是采用少量的第一標簽樣本對基礎分類模型進行模型的再次訓練就能得到最終分類模型，簡單地實現了不同區域的模型訓練。

附圖說明

圖1為本申請一個實施例提供的模型訓練方法的流程圖；

圖2為本申請實施例的模型訓練方法的示意圖；

圖3為本申請另一個實施例提供的模型訓練裝置的組成框圖。

具體實施方式

為使本領域的技術人員更好地理解本申請的技術方案，下面結合附圖對本申請提供的模型訓練方法和裝置、電子設備、計算機可讀存儲介質進行詳細描述。

在下文中將參考附圖更充分地描述示例實施例，但是所述示例實施例可以以不同形式來體現且不應當被解釋為限于本文闡述的實施例。反之，提供這些實施例的目的在于使本申請透徹和完整，并將使本領域技術人員充分理解本申請的范圍。