[发明专利]识别模型的训练方法、装置、设备及可读存储介质

说明书

本发明公开了一种识别模型的训练方法、装置、设备及可读存储介质，涉及金融科技领域，该方法包括步骤：客户端获取本地的训练数据，根据训练数据训练得到第一识别模型；将第一识别模型的模型参数发送给服务端，以供服务端根据各客户端发送的模型参数进行联邦学习，得到联邦学习结果；根据服务端发送的联邦学习结果更新第一识别模型，得到对应的第二识别模型，并将第二识别模型发送给服务端，以供服务端根据各客户端发送的第二识别模型和预设的遗传算法得到目标识别模型。本发明通过迁移学习、联邦学习和遗传算法结合训练得到识别模型，保证了训练识别模型过程中训练数据不被泄露，且提高了所得识别模型的识别准确率。

技术领域

本发明涉及金融科技(Fintech)的数据处理技术领域，尤其涉及一种识别模型的训练方法、装置、设备及可读存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，数据处理技术也不例外，但由于金融行业的安全性、实时性要求，也对数据处理技术提出的更高的要求。

机器学习技术在语音识别的使用非常广泛，这些技术往往极度依赖于海量的语音数据进行训练，容易泄露语音数据，从而不能有效保护语音数据对应用户的隐私。而且目前语音识别系统只能提供非常有限的定制化能力，从而导致所得的语音识别模型进行语音识别的准确率低下。由此可知，目前训练所得的识别模型识别准确率低下，且训练识别模型过程中容易泄露训练数据。

发明内容

本发明的主要目的在于提供一种识别模型的训练方法、装置、设备及可读存储介质，旨在解决现有的识别模型识别准确率低下，且训练识别模型过程中容易泄露训练数据的技术问题。

为实现上述目的，本发明提供一种识别模型的训练方法，应用于客户端，所述识别模型的训练方法包括步骤：

获取本地的训练数据，根据所述训练数据训练得到第一识别模型；

将所述第一识别模型的模型参数发送给服务端，以供所述服务端根据各客户端发送的模型参数进行联邦学习，得到联邦学习结果，并返回所述联邦学习结果；

接收所述服务端发送的联邦学习结果，根据所述联邦学习结果更新所述第一识别模型，得到对应的第二识别模型，并将所述第二识别模型发送给所述服务端，以供所述服务端根据各客户端发送的第二识别模型和预设的遗传算法得到目标识别模型。

可选地，所述获取本地的训练数据，根据所述训练数据训练得到第一识别模型的步骤包括：

获取本地的训练数据，基于迁移学习算法，根据所述训练数据训练得到第一识别模型。

可选地，所述接收所述服务端发送的联邦学习结果，根据所述联邦学习结果更新所述第一识别模型，得到对应的第二识别模型的步骤包括：

接收所述服务端发送的联邦学习结果，获取预设学习率和所述联邦学习结果中的模型参数改变量；

根据所述预设学习率和所述模型参数改变量计算得到更新后的模型参数，根据更新后的模型参数更新所述第一识别模型，得到对应的第二识别模型。

此外，为实现上述目的，本发明还提供一种识别模型的训练方法，所述识别模型的训练方法应用于服务端，所述识别模型的训练方法包括以下步骤：

接收各客户端发送的第一识别模型对应的模型参数，根据所述模型参数进行联邦学习，得到联邦学习结果；

将所述联邦学习结果发送给各客户端，以供各客户端根据所述联邦学习结果更新对应的第一识别模型，得到对应的第二识别模型；

接收各客户端发送的第二识别模型，根据各第二识别模型和预设的遗传算法得到目标识别模型。

可选地，所述接收各客户端发送的第二识别模型，根据各第二识别模型和预设的遗传算法得到目标识别模型的步骤包括：