[发明专利]深度学习分类算法中动态调节训练样本的方法及终端设备

权利要求书

1.一种深度学习分类算法中动态调节训练样本的方法，其特征在于，该方法包括：

获取预设语料集，并通过所述预设语料集获取第一训练集、验证集和测试集；

通过所述第一训练集对深度学习分类模型进行训练，每完成一次迭代，通过所述验证集获取所述深度学习分类模型的精度，若通过所述第一训练集完成第一预设次数的迭代且所述深度学习分类模型的精度大于等于第一预设精度，或若通过所述第一训练集完成第二预设次数的迭代，则将所述验证集中的语料添加至所述第一训练集，得到第二训练集；

通过所述第二训练集对所述深度学习分类模型进行训练，每完成一次迭代，通过所述训练集获取所述深度学习分类模型的精度，若所述深度学习分类模型的精度在连续第三预设次数的迭代过程中都高于第二预设精度，或若通过所述第二训练集完成第四预设次数的迭代，则通过所述测试集获得所述深度学习分类模型所对应的第一评价指数；

在得到所述深度学习分类模型所对应的第一评价指数之后，该方法还包括：

将所述测试集中的语料添加至所述第二训练集，得到第三训练集；

通过所述第三训练集对所述深度学习分类模型进行训练，每完成一次迭代，通过所述第三训练集获取所述深度学习分类模型的精度，若所述深度学习分类模型的精度在连续第三预设次数的迭代过程中都高于所述第二预设精度，或若通过所述第三训练集完成第四预设次数的迭代，则通过所述第三训练集获得所述深度学习分类模型所对应的第二评价指数。

2.根据权利要求1所述的深度学习分类算法中动态调节训练样本的方法，其特征在于，所述第一评价指数或所述第二评价指数包括所述深度学习分类模型的准确率P、召回率R和F1值，其中，

3.根据权利要求1所述的深度学习分类算法中动态调节训练样本的方法，其特征在于，所述通过所述预设语料集获取第一训练集、验证集和测试集包括：

获取所述语料集所包含的多个类型的语料；

针对所述多个类型的语料中的任一类型的语料，统计所述类型的语料的数量；

若所述语料集中第一类型的语料的数量最大，且存在第二类型的语料的数量与所述第一类型的语料的数量的比值小于预设比值，则复制所述第二类型的语料，以使得所述第二类型的语料的数量与所述第一类型的语料的数量的比值大于等于所述预设比值。

4.根据权利要求3所述的深度学习分类算法中动态调节训练样本的方法，其特征在于，该方法还包括：

针对所述语料集中的任一类型的语料，通过随机抽取的方式将所述类型的语料按照预设比例A:B:C划分为三份，并将比例A所对应的语料放入所述第一训练集，将比例B所对应的语料放入所述验证集，将比例C所对应的语料放入所述测试集，其中，A所对应的值为第一预设值、B所对应的值为第二预设值、C所对应的值为第三预设值。

5.根据权利要求1所述的深度学习分类算法中动态调节训练样本的方法，其特征在于，该方法还包括：

获取所述语料集中语料的总数量N，并计算N与第四预设值的比值M；

若M小于第五预设值，则所述第一训练集、所述第二训练集和所述第三训练集的批尺寸为所述第五预设值；

若M大于等于所述第五预设值且小于第六预设值时，则所述第一训练集、所述第二训练集和所述第三训练集的批尺寸为M；

若M大于等于第六预设值，则所述第一训练集、所述第二训练集和所述第三训练集的批尺寸为所述第六预设值。

6.根据权利要求1所述的深度学习分类算法中动态调节训练样本的方法，其特征在于，该方法还包括：

针对所述第一训练集、所述第二训练集和所述第三训练集中的任一训练集，获取所述训练集中语料的总数量D，并计算D与第四预设值的比值E，若E小于第五预设值，所述训练集的批尺寸为所述第五预设值，若E大于等于所述第五预设值且小于第六预设值时，则所述训练集的批尺寸为E，若E大于等于第六预设值，则所述训练集的批尺寸为所述第六预设值。