[发明专利]AI模型的训练方法、装置、设备及存储介质

说明书

本申请涉及人工智能领域，尤其涉及机器学习技术领域，提供一种AI模型的训练方法、装置、设备及存储介质，该方法包括：获取多种类型的用户信息，生成多种样本数据；若待训练的当前AI模型为多个具有承接性的AI模型中的非首个AI模型，则将多种所述样本数据、以及承接在所述当前AI模型之前的至少一个AI模型的输出数据，输入所述当前AI模型进行特征提取，获得对应的隐状态数据；对所述隐状态数据进行随机失活处理，得到更新后的隐状态数据；基于更新后的隐状态数据对所述当前AI模型进行模型训练，获得训练好的当前AI模型，实现了提高AI模型的泛化能力且提高资源利用效率。本申请还涉及区块链技术，样本数据可以存储在区块链节点中。

技术领域

本申请涉及人工智能的机器学习技术领域，尤其涉及一种AI模型的训练方法、装置、设备及存储介质。

背景技术

目前，患者诊疗主要是在线下进行，即便到了互联网时代，线上可以辅助进行诊疗的部分也很少。近年来，出现越来越多的互联网医院，互联网医院可以为患者提供方便快捷的线上AI(Artificial Intelligence，人工智能)诊疗服务，针对不同类型的诊疗服务，通过构建相应的独立的AI模型并进行训练，基于训练好的各类AI模型实现线上AI诊疗服务。只是，训练好的AI模型只能用于对信息完备的患者提供线上AI诊疗服务，而对某些信息缺失的患者，通过AI模型就无法实现准确可靠的线上AI诊疗服务，也即，AI模型的泛化能力较弱。并且，线上AI诊疗服务都是独立的，对于每一种服务对应的AI模型的训练，往往都需要收集患者的症状、过敏史、疾病史、诊断等多种信息，也即每次收集的信息往往只用于某个AI模型的训练，资源利用效率低。

因此，如何提高AI模型的泛化能力且提高资源利用效率成为亟需解决的问题。

发明内容

本申请提供了一种AI模型的训练方法、装置、设备及存储介质，旨在实现提高AI模型的泛化能力且提高资源利用效率。

为实现上述目的，本申请提供一种AI模型的训练方法，所述AI模型的训练方法包括：

获取多种类型的用户信息，生成多种样本数据；

若待训练的当前AI模型为多个具有承接性的AI模型中的非首个AI模型，则将多种所述样本数据、以及承接在所述当前AI模型之前的至少一个AI模型的输出数据，输入所述当前AI模型进行特征提取，获得对应的隐状态数据；

对所述隐状态数据进行随机失活处理，得到更新后的隐状态数据；

基于更新后的隐状态数据对所述当前AI模型进行模型训练，获得训练好的当前AI模型。

此外，为实现上述目的，本申请还提供一种AI模型的训练装置，所述AI模型的训练装置包括：

样本数据生成模块，用于获取多种类型的用户信息，生成多种样本数据；

特征提取模块，用于若待训练的当前AI模型为多个具有承接性的AI模型中的非首个AI模型，则将多种所述样本数据、以及承接在所述当前AI模型之前的至少一个AI模型的输出数据，输入所述当前AI模型进行特征提取，获得对应的隐状态数据；

数据失活处理模块，用于对所述隐状态数据进行随机失活处理，得到更新后的隐状态数据；

模型训练模块，用于基于更新后的隐状态数据对所述当前AI模型进行模型训练，获得训练好的当前AI模型。

此外，为实现上述目的，本申请还提供一种计算机设备，所述计算机设备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述的AI模型的训练方法。