[發(fā)明專利]一種模型訓練的方法、裝置、存儲介質及電子設備

有效

• 申請?zhí)枺?/td>: 202211320460.3
• 申請日: 2022-10-26
• 公開（公告）號: CN115618964B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設計）人: 趙聞飆;苗書宇;鄭霖;金宏
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 李威

1.一種模型訓練的方法，包括：

獲取樣本數據；

將所述樣本數據輸入待訓練的數據處理模型中，得到各候選處理結果，以及每個候選處理結果對應的概率；

從所述各候選處理結果中確定與所述樣本數據對應的標簽信息不匹配的目標結果；

根據每個目標結果對應的概率，確定每個目標結果對應的權重；

根據每個候選處理結果對應的概率以及所述權重，確定損失值，并根據所述損失值，對所述數據處理模型進行訓練。

2.如權利要求1所述的方法，根據每個候選處理結果對應的概率以及所述權重，確定損失值，具體包括：

確定與所述標簽信息相匹配的候選處理結果，作為命中結果；

針對每個目標結果，根據該目標結果對應的權重，對該目標結果對應的概率進行加權，得到該目標結果對應的加權后概率，以及，根據所述命中結果對應的指定權重，對所述命中結果對應的概率進行加權，得到所述命中結果對應的加權后概率；

根據每個目標結果對應的加權后概率，以及所述命中結果對應的加權后概率，確定所述損失值。

3.如權利要求2所述的方法，所述指定權重，大于每個目標結果對應的權重。

4.如權利要求1所述的方法，針對每個目標結果，該目標結果對應的概率與該目標結果對應的權重呈正相關關系。

5.如權利要求1所述的方法，根據每個目標結果對應的概率，確定每個目標結果對應的權重，具體包括：

針對每個目標結果，根據該目標結果對應的概率，確定該目標結果對應的初始權重；

若確定各目標結果中存在結果類別上歸屬于該目標結果的目標結果，提高所述初始權重，以確定出該目標結果對應的權重。

6.如權利要求1所述的方法，根據每個候選處理結果對應的概率以及所述權重，確定損失值，具體包括：

根據不同候選處理結果對應的概率，選取指定數量的候選處理結果；

根據選取出的各候選處理結果對應的概率，以及選取出的各候選處理結果對應的權重，確定所述損失值。

7.如權利要求1所述的方法，所述方法還包括：

獲取待處理數據；

將所述待處理數據輸入所述數據處理模型中，確定所述待處理數據對應的處理結果，并根據所述處理結果，進行業(yè)務風控，其中，所述數據處理模型通過上述權利要求1～6任一項所述的方法進行訓練得到。

8.如權利要求1所述的方法，所述損失值包括：交叉熵損失的損失值。

9.一種數據處理的裝置，包括：

獲取模塊，獲取樣本數據；

輸入模塊，將所述樣本數據輸入待訓練的數據處理模型中，得到各候選處理結果，以及每個候選處理結果對應的概率；

第一確定模塊，從所述各候選處理結果中確定與所述樣本數據對應的標簽信息不匹配的目標結果；

第二確定模塊，根據每個目標結果對應的概率，確定每個目標結果對應的權重；

訓練模塊，根據每個候選處理結果對應的概率以及所述權重，確定損失值，并根據所述損失值，對所述數據處理模型進行訓練。

10.一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述權利要求1～8任一項所述的方法。

11.一種電子設備，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，所述處理器執(zhí)行所述程序時實現(xiàn)上述權利要求1～8任一項所述的方法。