[发明专利]基于半监督学习的模型训练方法、系统、终端及存储介质

说明书

本发明涉及一种基于半监督学习的模型训练方法、系统、终端及存储介质。方法包括获取带有潜在噪音标签的样本数据集；根据第一分类模型对样本数据集进行认知判断，以得到样本数据集的第一伪标签信息；根据第二分类模型对样本数据集进行认知判断，以得到样本数据集第二伪标签信息；将具有第一伪标签信息的样本数据集和具有第二伪标签信息样本数据集进行融合，以得加权样本数据集；通过加权样本数据集对第一分类模型的模型参数进行调整，得到调整后的第一分类模型；通过加权样本数据集对第二分类模型的模型参数进行调整，得到调整后的第二分类模型。该方法在带有噪声标签的数据上的总体性能优于其它单个噪音标签学习方法，具有更好的稳定性和鲁棒性。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种基于半监督学习的模型训练方法、系统、终端及存储介质。

背景技术

随着海量数据的出现，人工智能技术迅速发展，而机器学习是人工智能发展到一定阶段的必然产物，其致力于通过计算的手段，从大量数据中挖掘有价值的潜在信息。

在机器学习领域，往往通过将经验数据提供给机器学习算法来训练机器学习模型以确定构成机器学习模型的理想参数，而训练好的机器学习模型可被应用于在面对新的预测数据时提供相应的预测结果。而这些海量数据如果透过人工标注的话，将会耗费较多的人力物力和财力。因此，如何有效利用未标注数据来解决标注量少的问题时研究的重点，为了解决这一问题，半监督学习近年来被广泛研究。

对于半监督学习技术而言，数据集中只有少量数据是有标签的，其主要目标是利用隐藏在大量无标签样本中的数据分布信息来提升仅使用少量有标签样本时的学习性能。现有噪声标签学习方法中，利用元数据的方法表现最好，这里的元数据指一个小型的标注保证正确的样本子集，该场景与半监督学习类似。而在标签噪声比例较大时，半监督学习的方法会优于噪声标签学习；标签噪声比例较小时，过去认为半监督学习方法往往不及标签噪声学习方法，在标签噪声未知时，如何选择这些方法是一个两难的问题。

因此，如何提供一种合适的噪音标签学习方法来解决噪音标签未知情况下的学习处理是亟需解决的问题。

发明内容

基于此，有必要针对上述问题，提供一种基于半监督学习的模型训练方法、系统、终端及存储介质。

一种基于半监督学习的模型训练方法，包括：

获取带有潜在噪音标签的样本数据集；

根据第一分类模型对所述样本数据集进行认知判断，以得到所述样本数据集的第一伪标签信息；

根据第二分类模型对所述样本数据集进行认知判断，以得到所述样本数据集第二伪标签信息；

将具有所述第一伪标签信息的样本数据集和具有所述第二伪标签信息样本数据集进行融合，以得加权样本数据集；

通过所述加权样本数据集对所述第一分类模型的模型参数进行调整，得到调整后的第一分类模型；

通过所述加权样本数据集对所述第二分类模型的模型参数进行调整，得到调整后的第二分类模型。

在一个可能的实施例中，所述将具有所述第一伪标签信息的样本数据集和具有所述第二伪标签信息样本数据集进行融合，以得加权样本数据集，包括：

根据所述第一伪标签信息和所述第二伪标签信息，确定具有所述第一伪标签信息的样本数据集中的样本数据的权值；

根据具有所述第一伪标签信息的样本数据集和具有所述第一伪标签信息的样本数据集中的样本数据的权值，确定所述加权样本数据集。

在一个可能的实施例中，所述根据所述第一伪标签信息和所述第二伪标签信息，确定具有所述第一伪标签信息的样本数据集中的样本数据的权值，包括：