[發明專利]一種模型更新的方法、相關裝置、設備以及存儲介質

有效

• 申請號: 202210298078.0
• 申請日: 2022-03-25
• 公開（公告）號: CN114399058B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 劉孟洋;張育嘉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 閔晶晶

1.一種模型更新的方法，其特征在于，包括：

基于目標內容數據，通過原始模型獲取原始特征向量；

基于所述目標內容數據，通過目標模型獲取目標特征向量，其中，所述目標模型已完成對所述原始模型的特征兼容學習；

根據所述原始特征向量獲取針對原始特征向量庫的第一召回數，其中，所述原始特征向量庫用于存儲通過所述原始模型提取到的歷史特征向量；

根據所述目標特征向量獲取針對所述原始特征向量庫的第二召回數；

根據所述第一召回數以及所述第二召回數，確定所述目標內容數據的目標召回率；

根據所述目標召回率確定針對N個內容數據的平均召回率，其中，所述N個內容數據包括所述目標內容數據，所述N為大于或等于1的整數；

若所述平均召回率大于或等于召回率閾值，則將所述原始模型替換為所述目標模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述原始特征向量獲取針對原始特征向量庫的第一召回數，包括：

根據所述原始特征向量，從所述原始特征向量庫中召回第一特征向量集合，其中，所述第一特征向量集合包括與所述原始特征向量相似度最高的K個歷史特征向量，所述K為大于1的整數；

根據所述第一特征向量集合，獲取K個歷史內容數據，其中，所述歷史內容數據與所述第一特征向量集合中的歷史特征向量具有對應關系；

獲取所述K個歷史內容數據中每個歷史內容數據的內容標注結果，其中，所述內容標注結果用于指示歷史內容數據與所述目標內容數據的匹配情況；

根據所述K個歷史內容數據中每個歷史內容數據的內容標注結果，統計得到所述第一召回數。

3.根據權利要求1所述的方法，其特征在于，所述根據所述目標特征向量獲取針對所述原始特征向量庫的第二召回數，包括：

從所述目標特征向量中截取特征子向量，其中，所述特征子向量與所述原始特征向量具有相等維度；

根據所述特征子向量，從所述原始特征向量庫中召回第二特征向量集合，其中，所述第二特征向量集合包括與所述原始特征向量相似度最高的T個歷史特征向量，所述T為大于1的整數；

根據所述第二特征向量集合，獲取T個歷史內容數據，其中，所述歷史內容數據與所述第二特征向量集合中的歷史特征向量具有對應關系；

獲取所述T個歷史內容數據中每個歷史內容數據的內容標注結果，其中，所述內容標注結果用于指示歷史內容數據與所述目標內容數據的匹配情況；

根據所述T個歷史內容數據中每個歷史內容數據的內容標注結果，統計得到所述第二召回數。

4.根據權利要求1所述的方法，其特征在于，所述N為大于1的整數；

所述根據所述目標召回率確定針對N個內容數據的平均召回率之前，所述方法還包括：

針對(N-1)個內容數據中的每個內容數據，基于內容數據，通過所述原始模型獲取所述內容數據的原始特征向量，其中，所述(N-1)個內容數據為所述N個內容數據中除去所述目標內容數據之外的內容數據；

針對所述(N-1)個內容數據中的每個內容數據，基于內容數據，通過所述目標模型獲取所述內容數據的目標特征向量；

針對所述(N-1)個內容數據中的每個內容數據，根據內容數據的原始特征向量獲取針對所述原始特征向量庫的第一召回數；

針對所述(N-1)個內容數據中的每個內容數據，根據內容數據的目標特征向量獲取針對所述原始特征向量庫的第二召回數；

針對所述(N-1)個內容數據中的每個內容數據，根據第一召回數以及第二召回數，確定內容數據的召回率；

所述根據所述目標召回率確定針對N個內容數據的平均召回率，包括：

根據所述目標召回率以及所述(N-1)個內容數據中每個內容數據的召回率，計算得到所述平均召回率。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在第一時間周期內獲取所述N個內容數據；

從所述N個內容數據中獲取所述目標內容數據；

或，

所述方法還包括：

在第一時間周期內獲取所述N個內容數據；

若所述N的取值大于或等于內容數量閾值，則從所述N個內容數據中獲取所述目標內容數據。