[发明专利]基于数据类型的机器学习模型的训练方法及装置

权利要求书

1.一种基于数据类型的机器学习模型的训练方法，其特征在于，所述方法包括：

步骤A：获取通信数据，所述通信数据包括至少一种数据类型；

步骤B：采用存储的通信协议，对所述通信数据进行分析，得到已存储数据类型的当前训练样本和未存储数据类型的当前测试样本；

步骤C：基于所述当前训练样本，采用预设训练算法，训练得到初始机器学习模型，所述初始机器学习模型包括所述当前训练样本的目标数据类型，其中，首次训练中所述当前训练样本和所述当前测试样本分别为初始训练样本和初始测试样本，所述目标数据类型包括图片数据类型、语音数据类型、文字数据类型、加密数据类型、非加密数据类型、日期数据类型和数值数据类型中的一种或多种；

步骤D：将所述当前测试样本输入所述初始机器学习模型，得到测试结果，所述测试结果包括所述目标数据类型在所述当前测试样本中的概率；

若所述概率不小于预设阈值，则确定所述初始机器学习模型为所述目标数据类型的机器学习模型。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

若所述概率小于所述预设阈值，则确定新的当前训练样本，并返回执行步骤C。

3.如权利要求2所述的方法，其特征在于，确定新的当前训练样本，包括：

获取新的通信数据；

将所述新的通信数据确定为新的当前训练样本。

4.如权利要求2所述的方法，其特征在于，所述当前训练样本包括所述目标数据类型的权重和所述当前训练样本中除所述目标数据类型之外的其它数据类型的权重；

确定新的当前训练样本，包括：

调整所述当前训练样本中所述目标数据类型的权重和所述其他数据类型的权重；

将调整数据类型的权重后的当前训练样本确定作为新的当前训练样本。

5.如权利要求2所述的方法，其特征在于，所述方法还包括：

当返回执行步骤C的次数满足预设训练停止条件时，将最后训练得到的初始机器学习模型确定为目标数据类型的机器学习模型。

6.一种基于数据类型的机器学习模型的训练装置，其特征在于，所述装置包括：获取单元、分析单元、训练单元、输入单元和确定单元；

所述获取单元，用于获取通信数据，所述通信数据包括至少一种数据类型；

所述分析单元，用于采用存储的通信协议，对所述通信数据进行分析，得到已存储数据类型的当前训练样本和未存储数据类型的当前测试样本；

所述训练单元，用于基于所述当前训练样本，采用预设训练算法，训练得到初始机器学习模型，所述初始机器学习模型包括所述当前训练样本的目标数据类型，在首次训练中所述当前训练样本和所述当前测试样本分别为初始训练样本和初始测试样本，所述目标数据类型包括图片数据类型、语音数据类型、文字数据类型、加密数据类型、非加密数据类型、日期数据类型和数值数据类型中的一种或多种；

所述输入单元，用于将所述当前测试样本输入所述初始机器学习模型，得到测试结果，所述测试结果包括所述目标数据类型在所述当前测试样本中的概率；

所述确定单元，用于若所述概率不小于预设阈值，则确定所述初始机器学习模型为所述目标数据类型的机器学习模型。

7.如权利要求6所述的装置，其特征在于，所述确定单元，还用于若所述概率小于所述预设阈值，则确定新的当前训练样本，并触发所述训练单元。

8.如权利要求7所述的装置，其特征在于，所述获取单元，还用于获取新的通信数据；

所述确定单元，还用于将所述新的通信数据确定为新的当前训练样本。