[发明专利]模型优化方法、设备和存储介质

说明书

本申请提供了一种模型优化方法、设备和存储介质，通过第二数据集对根据第一数据集预训练的第一模型进行模型准确性测试，得到测试结果；根据所述测试结果，从所述第二数据集中提取出第三数据集，所述第三数据集为所述第二数据集中测试结果为不准确对应的数据集；分析所述第三数据集中各样本的场景信息，根据所述场景信息生成优化方案，所述优化方案用于对所述第一模型进行更新，以生成第二模型。能够提高模型的识别准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型优化方法、设备和存储介质。

背景技术

由于自动机器学习模型技术，能够有效地缓解模型开发人才稀缺的问题，而得到了广泛的研究及应用。目前，自动机器学习模型技术通过人工智能平台采用定位易混淆标签的方法对模型进行性能评估及优化。具体地，定位易混肴标签的方法主要是查找识别错误结果对应的样本中目标对象的共性来确定产生误识别的原因，进而根据错误原因对优化样本，从而提高模型的性能。然而，由于模型的识别准确性受多个因素的影响，仅根据识别错误的样本中目标对象的共性无法准确提高模型的识别准确性。

发明内容

本申请提供了一种模型优化方法、设备和存储介质，旨在通过分析样本的场景信息对模型识别准确性的影响，生成对模型优化方案，进而根据所述优化方案进行模型优化，提高模型的识别准确性。

第一方面，本申请实施例提供了一种模型优化方法，包括：

获取根据第一数据集预训练的第一模型；

根据第二数据集对所述第一模型进行模型准确性测试，得到测试结果；

根据所述测试结果，从所述第二数据集中提取出第三数据集，所述第三数据集为所述第二数据集中测试结果为不准确对应的数据集；

分析所述第三数据集中所有样本的场景信息，根据所述场景信息生成优化方案，所述优化方案用于对所述第一模型进行更新，以生成第二模型。

第二方面，本申请实施例提供了一种模型优化设备，其特征在于，包括存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上第一方面所述的模型优化方法的步骤。

第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上第一方面所述的模型优化方法的步骤。

本申请实施例提供了一种模型优化方法、设备和存储介质，通过第二数据集对根据第一数据集预训练的第一模型进行模型准确性测试，得到测试结果；再根据所述测试结果，从所述第二数据集中提取出测试结果不准确的样本对应的第三数据集；分析所述第三数据集中所有样本的场景信息，根据所述场景信息生成优化方案，所述优化方案用于对所述第一模型进行更新，以生成第二模型。通过分析样本的场景信息对模型识别准确性的影响，生成对模型优化方案，进而根据所述优化方案进行模型优化，提高模型的识别准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例公开的模型优化设备的架构示意图；

图2是本申请实施例提供的模型优化系统的架构示意图；

图2是本申请实施例提供的模型优化系统的架构示意图；