[发明专利]模型优化方法、装置、设备和计算机可读存储介质

权利要求书

1.一种模型优化方法，其特征在于，包括：

获取用户场景数据；

根据所述用户场景数据，获取第一测试数据；

根据用户场景，在初始化模型库中，选取第一推理模型；

采用所述第一测试数据对所述第一推理模型进行训练和评估，得到第二推理模型；

判定是否达到扩充阈值条件，基于达到所述扩充阈值条件，对所述第一测试数据进行扩增，得到第二测试数据；

采用所述第二测试数据对所述第二推理模型进行训练和评估，更新评估条件；

根据所述评估条件和模型阈值，判定所述第二推理模型是否更换所述第一推理模型，基于采用所述第二推理模型更换所述第一推理模型，采用所述第二推理模型更新所述初始化模型库，设置所述第二推理模型为目标推理模型，否则，设置所述第一推理模型为所述目标推理模型；

判定是否满足结束条件，基于达到所述结束条件，采用所述目标推理模型进行推理，基于未达到所述结束条件，继续对测试数据进行扩增，进行模型优化。

2.根据权利要求1所述的模型优化方法，其特征在于，执行所述获取用户场景数据之前，还包括：

构建所述初始化模型库，所述初始化模型包括轻量型初始化模型和/或中等初始化模型和/或重量型初始化模型。

3.根据权利要求1所述的模型优化方法，其特征在于，所述采用所述第一测试数据对所述第一推理模型进行训练和评估，包括：

所述第一测试数据包括第一测评数据和第一训练数据，采用所述第一训练数据训练所述第一推理模型，采用所述第一测评数据评估所述第一推理模型，获取所述第一推理模型的指标值。

4.根据权利要求3所述的模型优化方法，其特征在于，所述扩充阈值条件包括：

测试数据中的目标类别数量小于类别数量的平均值；和/或

目标类别分布比例小于类别数量的平均值；和/或

推理模型对所述用户场景数据进行测试评估后，单个目标类别的置信度高于第一置信度；

其中，所述目标类别数量、所述类别数量的平均值和所述目标类别分布比例均归一化至区间(0，1)。

5.根据权利要求3所述的模型优化方法，其特征在于，所述采用所述第二测试数据对所述第二推理模型进行训练和评估，更新评估条件，包括：

所述第二测试数据包括第二测评数据和第二训练数据，采用所述第二训练数据训练所述第二推理模型，采用所述第二测评数据评估所述第二推理模型，获取所述第二推理模型的指标值；

根据所述第二推理模型的指标值，更新评估条件。

6.根据权利要求5所述的模型优化方法，其特征在于，所述根据所述评估条件和模型阈值，判定所述第二推理模型是否更换所述第一推理模型，包括：

采用所述第一测试数据对所述第二推理模型进行在线评估，基于在线评估结果满足所述评估条件，判定所述第二推理模型是否满足所述模型阈值，基于所述第二推理模型满足所述模型阈值，采用所述第二推理模型更换所述第一推理模型。