[发明专利]数据搜索方法、装置、设备及计算机可读存储介质

说明书

本申请实施例提供一种数据搜索方法、装置、设备及计算机可读存储介质，其中，方法包括：根据搜索比例系数和搜索范围，确定第一搜索数据集合；将所述第一搜索数据集合中的每一搜索数据输入至处理模型中，对应得到每一搜索数据的第一输出结果；根据每一所述搜索数据对应的所述第一输出结果，在所述第一搜索数据集合中确定出预搜索数据；根据所述预搜索数据和所述搜索比例系数，确定第二搜索数据集合；通过所述处理模型，在所述第二搜索数据集合中确定出目标搜索数据。

技术领域

本申请涉及信息技术领域，涉及但不限于一种数据搜索方法、装置、设备及计算机可读存储介质。

背景技术

自然语言处理模型存在非常多影响模型效果的超参数，而这些超参数都是人为设定的，因此，用户在机器训练过程中会不断的尝试各种组合的超参数。

现有的自然语言处理模型，例如，分层注意力网络模型(Hierarchical AttentionNetworks，HAN)、文本卷积神经网络模型(Text Convolutional Neural Networks，TextCNN)、局部连接神经网络模型(Tiled Convolutional Neural Networks_Lightgbm，TCNN_lgb)、快速文本分类模型(Fasttext)、词频-逆文件频率模型(Term Frequency-Inverse Document Frequency_XGBoost，Tfidf_XGB)等的使用，没有融入自动化机器学习技术，尤其是没有融入改良过的自动化机器学习技术，因此，在每一次训练完都需要用户手动设置超参数，非常繁琐。

目前也存在用于自然语言模型等的开源的自动化工具，但是，这些自动化工具对参数的选择策略非常初级，不能实现自上而下、先整体再局部的搜索策略，导致最优参数选择效率低下，不能快速收敛。

发明内容

有鉴于此，本申请实施例提供一种数据搜索方法、装置、设备及计算机可读存储介质。

本申请的技术方案是这样实现的：

第一方面，本申请实施例提供一种数据搜索方法，包括：

根据搜索比例系数和搜索范围，确定第一搜索数据集合；

将所述第一搜索数据集合中的每一搜索数据输入至处理模型中，对应得到每一搜索数据的第一输出结果；

根据每一所述搜索数据对应的所述第一输出结果，在所述第一搜索数据集合中确定出预搜索数据；

根据所述预搜索数据和所述搜索比例系数，确定第二搜索数据集合；

通过所述处理模型，在所述第二搜索数据集合中确定出目标搜索数据。

第二方面，本申请实施例提供一种数据搜索装置，包括：

确定模块，用于根据搜索比例系数和搜索范围，确定第一搜索数据集合；

处理模块，用于将所述第一搜索数据集合中的每一搜索数据输入至处理模型中，对应得到每一搜索数据的第一输出结果；

所述确定模块，还用于根据每一所述搜索数据对应的所述第一输出结果，在所述第一搜索数据集合中确定出预搜索数据；

所述确定模块，还用于根据所述预搜索数据和所述搜索比例系数，确定第二搜索数据集合；

搜索模块，用于通过所述处理模型，在所述第二搜索数据集合中确定出目标搜索数据。

第三方面，本申请实施例提供一种数据搜索设备，包括：

存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现上述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现上述的方法。