[发明专利]数据处理模型的训练方法、装置、电子设备及存储介质在审
申请号: | 202110584511.2 | 申请日: | 2021-05-27 |
公开(公告)号: | CN113361574A | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 徐扬凯;王桂彬;付晓寅;陈志杰;杨明顺;丛士钧;贾铭;贾磊 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 王萌 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据处理 模型 训练 方法 装置 电子设备 存储 介质 | ||
1.一种数据处理模型的训练方法,包括:
获取样本数据;
获取初始数据处理模型,所述初始数据处理模型包括:多个前向节点,所述多个前向节点用于输出与所述样本数据对应的多个中间计算结果;
确定与所述多个前向节点对应的多个时间依赖性特征;
根据所述多个时间依赖性特征处理所述初始数据处理模型,以得到待训练数据处理模型;以及
采用所述样本数据、所述多个中间计算结果训练所述待训练数据处理模型,以得到目标数据处理模型。
2.根据权利要求1所述的方法,其中,所述根据所述多个时间依赖性特征处理所述初始数据处理模型,以得到待训练数据处理模型,包括:
根据所述多个时间依赖性特征,从所述多个前向节点之中确定出目标前向节点;
生成与所述目标前向节点对应的复算节点,所述复算节点用于输出与所述样本数据对应的复算结果,所述复算结果,与所述目标前向节点输出的中间计算结果相同;以及
根据所述多个前向节点和所述复算节点,生成所述待训练数据处理模型。
3.根据权利要求2所述的方法,其中,所述采用所述样本数据、所述多个中间计算结果训练所述待训练数据处理模型,以得到目标数据处理模型,包括:
采用所述样本数据、其它中间计算结果,以及所述复算结果训练所述待训练数据处理模型,以得到目标数据处理模型;
其中,所述其它中间计算结果,是其它前向节点输出的与所述样本数据对应的中间计算结果,所述目标前向节点和所述其它前向节点共同构成所述多个前向节点。
4.根据权利要求3所述的方法,在所述采用所述样本数据、其它中间计算结果,以及所述复算结果训练所述待训练数据处理模型,以得到目标数据处理模型之前,还包括:
将所述样本数据作为所述待训练数据处理模型的前向训练输入,以得到所述待训练数据处理模型之中多个前向节点输出的多个中间计算结果;
删除所述目标前向节点输出的中间计算结果,并保留所述其它前向节点输出的所述其它中间计算结果。
5.根据权利要求4所述的方法,所述待训练数据处理模型包括:多个反向节点,所述反向节点,用于输出与所述样本数据对应的预测调优参数,所述样本数据具有对应的标注调优参数,
其中,所述采用所述样本数据、其它中间计算结果,以及所述复算结果训练所述待训练数据处理模型,以得到目标数据处理模型,包括:
获取所述复算节点生成的与所述样本数据对应的复算结果;
将所述样本数据、其它中间计算结果,以及所述复算结果作为所述待训练数据处理模型的反向训练输入,以得到所述多个反向节点输出的预测调优参数;
如果所述预测调优参数和所述标注调优参数满足设定条件,则将训练得到的数据处理模型作为所述目标数据处理模型。
6.根据权利要求2-5任一项所述的方法,其中,所述目标前向节点的时间依赖性特征指示:所述目标前向节点与其它前向节点不存在时间维度的计算关联关系。
7.一种数据处理方法,包括:
获取待处理数据;
将所述待处理数据输入至如上述权利要求1-6任一项所述的数据处理模型的训练方法训练得到的目标数据处理模型之中,以得到所述目标数据处理模型输出的数据处理结果。
8.一种数据处理模型的训练装置,包括:
第一获取模块,用于获取样本数据;
第二获取模块,用于获取初始数据处理模型,所述初始数据处理模型包括:多个前向节点,所述多个前向节点用于输出与所述样本数据对应的多个中间计算结果;
确定模块,用于确定与所述多个前向节点对应的多个时间依赖性特征;
第一处理模块,用于根据所述多个时间依赖性特征处理所述初始数据处理模型,以得到待训练数据处理模型;以及
训练模块,用于采用所述样本数据、所述多个中间计算结果训练所述待训练数据处理模型,以得到目标数据处理模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110584511.2/1.html,转载请声明来源钻瓜专利网。