一种模型训练方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114462531A(43)申请公布日2022.05.10(21)申请号202210114117.7(22)申请日2022.01.30(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人苗书宇郑霖金宏(74)专利代理机构北京国昊天诚知识产权代理有限公司11315专利代理师张黎(51)Int.Cl.G06K9/62(2022.01)权利要求书2页说明书8页附图2页(54)发明名称一种模型训练方法、装置及电子设备(57)摘要本说明书公开了一种模型训练方法、装置及电子设备。其中，方法包括：将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的。基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注。基于不同于所述第三样本集的标注方式，对所述第一样本集中的第四样本集进行标注。基于标注的第三样本集和标注的第四样本集，对目标模型进行训练。CN114462531ACN114462531A权利要求书1/2页1.一种模型训练方法，包括：将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的；基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注；基于不同于所述第三样本集的标注方式，对所述第一样本集中的第四样本集进行标注；基于标注的第三样本集和标注的第四样本集，对目标模型进行训练。2.如权利要求1所述的方法，将目标场景中未标注的第一样本集输入至标注模型之前，所述方法还包括：将所述目标场景中已标注的第五样本集输入所述标注模型，得到所述第五样本集各样本的预测结果；对所述第五样本集中低分数预测结果的样本进行重新标注，其中，所述低分数预测结果的样本是预测结果与标签不一致的样本，和/或，预测结果的置信值未达到有效预测阈值的样本；基于重新标注后的所述第五样本集，对所述标注模型进行再训练。3.如权利要求1所述的方法，基于标注的第三样本集和标注的第四样本集，对目标模型进行训练，包括：基于标注的第三样本集、标注的第四样本集和标注的第二样本集，对目标模型进行训练。4.如权利要求2所述的方法，基于标注的第三样本集、标注的第四样本集和重新标注后的所述第五样本集，对所述目标模型进行训练。5.如权利要求1所述的方法，所述目标模型的损失函数包含有与训练所述目标模型的样本所采用的标注方式一一对应的损失子函数，每种损失子函数用于计算所属标注方式的样本的训练误差值。6.如权利要求5所述的方法，所述目标模型的损失函数是由各损失子函数加权求和得到，其中，不同标注方式的损失子函数对应不同的加权系数。7.如权利要求1所述的方法，基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注，包括：从所述第一样本集中选取预测结果的置信值达到有效预测阈值的样本作为第三样本集；基于所述第三样本集对应的预测结果，对所述第三样本集进行标注。8.一种模型训练装置，包括：模型分类模块，将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的；2CN114462531A权利要求书2/2页第一标注模块，基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注；第二标注模块，基于不同于所述第三样本集的标注方式，对所述第一样本集中的第四样本集进行标注；模型训练模块，基于标注的第三样本集和标注的第四样本集，对目标模型进行训练。9.一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的；基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三样本集进行标注；基于不同于所述第三样本集的标注方式，对所述第一样本集中的第四样本集进行标注；基于标注的第三样本集和标注的第四样本集，对目标模型进行训练。10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：将目标场景中未标注的第一样本集输入至标注模型，得到所述第一样本集各样本的预测结果，所述标注模型是基于所述目标场景中已标注的第二样本集训练得到的；基于所述第一样本集各样本的预测结果，对所述第一样本集中的第三