[发明专利]用于获取样本的方法及装置

说明书

本公开的实施例公开了用于获取样本的方法及装置。该方法的一具体实施方式包括：通过当前的反馈奖励值对预设的样本筛选控制器进行更新，得到更新后的样本筛选控制器，并通过上述更新后的样本筛选控制器从样本空间中生成候选数据样本集合；基于预设的基准模型对上述候选数据样本集合进行检测，确定候选数据样本的样本损失函数；基于上述样本损失函数更新上述反馈奖励值；响应于上述反馈奖励值达到预设的收敛条件或者上述迭代操作的累计次数达到预设的迭代次数阈值，确定当前的候选数据样本为有效数据样本。该实施方式提高了获取有效数据样本的效率，降低了数据处理量，节约了硬件的内存空间。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于获取样本的方法及装置。

背景技术

随着科技的发展，很多问题可以通过对应的数据模型来解决。数据模型训练需要数据样本，技术人员可以获取到合适的数据样本来训练得到对应的数据模型。实际中，对于不同的待解决问题或不同的领域，样本数量通常不同，而不同的样本数量直接影响模型训练的效率。

发明内容

本公开的实施例提出了用于获取样本的方法及装置。

第一方面，本公开的实施例提供了一种用于获取样本的方法，该方法包括：通过当前的反馈奖励值对预设的样本筛选控制器进行更新，得到更新后的样本筛选控制器，并通过上述更新后的样本筛选控制器从样本空间中生成候选数据样本集合，其中，上述候选数据样本集合满足设定的数据均衡约束条件，上述反馈奖励值用于表征候选数据样本满足数据均衡约束条件的程度；基于预设的基准模型对上述候选数据样本集合进行检测，确定候选数据样本的样本损失函数，其中，上述基准模型用于检测数据样本的有效性；基于上述样本损失函数更新上述反馈奖励值；响应于上述反馈奖励值达到预设的收敛条件或者上述迭代操作的累计次数达到预设的迭代次数阈值，确定当前的候选数据样本为有效数据样本。

在一些实施例中，上述样本筛选控制器包括递归神经网络；以及，上述通过当前的反馈奖励值对预设的样本筛选控制器进行更新，包括：通过上述当前的反馈奖励值对上述递归神经网络的参数进行更新，以使更新后的样本筛选控制器生成使得上述反馈奖励值增大的候选数据样本。

在一些实施例中，上述通过当前的反馈奖励值对预设的样本筛选控制器进行更新，包括：基于预设的样本空间生成多个样本种群，将上述当前的反馈奖励值作为当前迭代操作中生成的候选数据样本在上述样本种群中的适应度；基于上述候选数据样本在上述样本种群的适应度更新上述样本筛选控制器，以使上述样本筛选控制器在下一次迭代操作中生成使得适应度增大的数据样本作为下一次迭代操作的候选数据样本。

在一些实施例中，上述样本空间内的数据样本配置有样本编码，以及，上述通过上述更新后的样本筛选控制器从样本空间中生成候选数据样本集合，包括：通过上述更新后的样本筛选控制器从样本空间中确定样本类型参数，其中，上述样本类型参数用于表征样本类型对应的数据样本在样本空间中的比例关系；通过上述样本类型参数生成样本编码序列，上述样本编码序列用于表征候选数据样本集合。

在一些实施例中，上述通过上述更新后的样本筛选控制器从样本空间中确定样本类型参数，包括：按照至少一种样本类型将上述样本空间内数据样本划分为至少一个数据样本集合；统计上述至少一个数据样本集合中每个数据样本集合内数据样本的样本数量；根据上述至少一个数据样本集合对应的样本数量确定上述样本空间内数据样本的样本类型参数。