[發明專利]一種特征庫構建方法和模型訓練方法

在審

• 申請號: 202111364402.6
• 申請日: 2021-11-17
• 公開（公告）號: CN114064583A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 黃超華
• 申請（專利權）人: 珠海市魅族科技有限公司
• 主分類號: G06F16/16
• 分類號: G06F16/16;G06F16/17;G06N20/20;G06F16/14
• 代理公司: 北京麥寶利知識產權代理事務所(特殊普通合伙) 11733
• 代理人: 劉麗萍

一種特征庫構建方法，所述方法包括：獲取第一文件樣本集，所述第一文件樣本集包括多個文件樣本和每個文件樣本的清理等級；從所述第一文件樣本集的每個文件樣本中提取可影響該文件樣本的清理等級的特征詞；對提取的特征詞進行過濾處理，以獲得多個有效特征詞；設置每個有效特征詞的權重，并根據每個有效特征詞和每個有效特征詞的權重構建用于推薦文件的清理等級的特征庫。

技術領域

本發明涉及人工智能技術領域，更具體地涉及一種特征庫構建方法、模型訓練方法、特征庫構建裝置和橫向聯邦學習系統。

背景技術

隨著手機硬件的提升，手機存儲空間也越來越大，目前主流手機的配置一般為64G、128G或512G。雖然如此，隨著移動軟件體積的增大、以及視頻和照片等存儲功能的頻繁使用，手機存儲空間不足仍然是手機用戶常見的問題，比如，手機存儲空間不足除了影響正常的使用(如下載不了軟件或文件)，還會伴隨卡頓現象等影響體驗的問題。因此，手機垃圾文件清理功能的需求依然為手機的主要功能之一。

目前手機的垃圾清理功能主要是通過人工運營結合自動化分析的方法來實現，一般包含：一鍵清理或建議清理(清理后對軟件不產生影響，默認掃描并勾選上，這個一般指純粹意義上的垃圾)、深度清理(清理后可能對軟件或手機系統產生影響，也可能并沒有影響，需要用戶主動思考并選擇)。

發明人研究發現：現有技術中垃圾清理功能的實現方式不僅人力物力成本較高，且當用戶想進一步清理時，需要用戶需要花費很大的精力去考慮和選擇哪些需要保留、哪些需要刪除，時間成本較高且用戶體驗度較差；另外，現有技術中還存在通過模型識別垃圾郵件的方法，但是這種方法所使用的特征庫并不適用于文件清理等級的識別。

發明內容

本發明提供了一種特征庫構建方法、模型訓練方法、特征庫構建裝置和橫向聯邦學習系統，能夠有效地解決上述問題。

本發明的一個方面提供了一種特征庫構建方法，所述方法包括：獲取第一文件樣本集，所述第一文件樣本集包括多個文件樣本和每個文件樣本的清理等級；從所述第一文件樣本集的每個文件樣本中提取可影響該文件樣本的清理等級的特征詞；對提取的特征詞進行過濾處理，以獲得多個有效特征詞；設置每個有效特征詞的權重，并根據每個有效特征詞和每個有效特征詞的權重構建用于推薦文件的清理等級的特征庫。

可選地，所述從所述第一文件樣本集的每個文件樣本中提取可影響該文件樣本的清理等級的特征詞，包括：從所述第一文件樣本集的每個文件樣本的內部固有屬性中提取可影響該文件樣本的清理等級的特征詞；和/或從所述第一文件樣本集的每個文件樣本的外部操作屬性中提取可影響該文件樣本的清理等級的特征詞。

可選地，所述設置每個有效特征詞的權重，包括：獲取第二文件樣本集，所述第二文件樣本集包括訓練集和測試集，所述訓練集和所述測試集中均包括多個文件樣本和每個文件樣本的清理等級；從獲得的所有有效特征詞中篩選出用于確定權重的目標特征詞；從所述訓練集的多個文件樣本中提取與所述目標特征詞相匹配的特征，將從所述訓練集中提取的特征作為輸入并將對應的清理等級作為輸出對預置的機器學習模型進行訓練；從所述測試集的多個文件樣本中提取與所述目標特征詞相匹配的特征，將從所述測試集中提取的特征輸入至訓練好的機器學習模型，得到輸出的清理等級；根據所述輸出的清理等級和所述測試集中對應的清理等級，確定用于表征所述訓練好的機器學習模型的優劣的指標值；根據所述指標值確定對應的有效特征詞的權重。

可選地，所述從獲得的所有有效特征詞中篩選出用于確定權重的目標特征詞，包括：從獲得的所有有效特征詞中隨機篩選出一未確定權重的有效特征詞，作為所述目標特征詞；所述根據所述指標值確定對應的有效特征詞的權重，包括：根據所述訓練好的機器學習模型的準確率、精確率和召回率確定當前目標特征詞的權重。