[发明专利]用于训练模型的方法、装置、设备以及存储介质

权利要求书

1.一种用于训练模型的方法，包括：

获取第一标注数据集，其中，所述第一标注数据集包括样本数据和样本数据对应的标注分类结果，所述样本数据包括文本数据、图像数据、语音数据或视频数据；

根据所述第一标注数据集训练预先设置的初始分类模型，得到中间模型；

利用所述中间模型对所述第一标注数据集中的样本数据进行预测，得到所述样本数据对应的预测分类结果；

根据所述样本数据、对应的标注分类结果、对应的预测分类结果，生成第二标注数据集；

根据所述第二标注数据集训练所述中间模型，得到分类模型。

2.根据权利要求1所述的方法，其中，所述预测分类结果包括预设类别的预测概率值；以及

所述根据所述样本数据、对应的标注分类结果、对应的预测分类结果，生成第二标注数据集，包括：

根据所述标注分类结果以及各预测概率值，确定所述样本数据的更新标注结果；

根据所述样本数据以及所述更新标注结果，生成第二标注数据集。

3.权利要求2所述的方法，其中，所述根据所述标注分类结果以及各预测概率值，确定所述样本数据的更新标注结果，包括：

将各预测概率值以及所述标注分类结果包括的类别按照预设顺序排列；

将所述排列作为所述更新标注结果。

4.根据权利要求2所述的方法，其中，所述根据所述标注分类结果以及各预测概率值，确定所述样本数据的更新标注结果，包括：

确定各预测概率值中的最大值对应的类别；

将所确定的类别与所述标注分类结果包括的类别组合，得到所述更新标注结果。

5.根据权利要求1所述的方法，其中，所述根据所述第二标注数据集训练所述中间模型，得到分类模型，包括：将所述第二标注数据集中的样本数据输入所述中间模型，确定输出结果；

根据所述输出结果、所述标注分类结果以及所述预测分类结果，确定所述中间模型的损失函数值；

根据所述损失函数值调整所述中间模型的参数，得到所述分类模型。

6.根据权利要求5所述的方法，其中，所述根据所述输出结果、所述标注分类结果以及所述预测分类结果，确定所述中间模型的损失函数值，包括：

根据所述输出结果以及所述标注分类结果，确定第一损失函数值；

根据所述输出结果以及所述预测分类结果，确定第二损失函数值；

根据所述第一损失函数值以及所述第二损失函数值，确定所述中间模型的损失函数值。

7.根据权利要求6所述的方法，其中，所述根据所述第一损失函数值以及所述第二损失函数值，确定所述中间模型的损失函数值，包括：

确定所述第一损失函数值对应的第一权重以及所述第二损失函数值对应的第二权重；

根据所述第一权重、所述第二权重、所述第一损失函数值和所述第二损失函数值，确定所述中间模型的损失函数值。

8.根据权利要求7所述的方法，其中，所述确定所述第一损失函数值对应的第一权重以及所述第二损失函数值对应的第二权重，包括：

根据所述第一标注数据集中噪声数据的比例，确定所述第一权重和所述第二权重。

9.一种用于训练模型的装置，包括：

获取单元，被配置成获取第一标注数据集，其中，所述第一标注数据集包括样本数据和样本数据对应的标注分类结果，所述样本数据包括文本数据、图像数据、语音数据或视频数据；

第一训练单元，被配置成根据所述第一标注数据集训练预先设置的初始分类模型，得到中间模型；

预测单元，被配置成利用所述中间模型对所述第一标注数据集中的样本数据进行预测，得到所述样本数据对应的预测分类结果；

生成单元，被配置成根据所述样本数据、对应的标注分类结果、对应的预测分类结果，生成第二标注数据集；

第二训练单元，被配置成根据所述第二标注数据集训练所述中间模型，得到分类模型。