[发明专利]预测模型的训练方法、装置、设备及存储介质

权利要求书

1.一种预测模型的训练方法，其特征在于，包括：

获取第一训练样本集以及基于所述第一训练集训练得到的第一预测模型；

获取待预测样本，采用所述第一预测模型对所述待预测样本进行预测，得到第一预测结果，所述第一预测结果包括第一类别标签和对应的预测概率，根据所述预测概率将所述待预测样本划分为第一样本集和第二样本集；

基于多个不同的第二预测模型对所述待预测样本进行预测，得到第二预测结果，根据所述第二预测结果从所述待预测样本中选取第三样本集；

合并所述第一样本集和所述第三样本集得到合并样本集，将所述合并样本集与所述第一训练样本集的样本进行相似度计算，根据相似度计算结果得到目标样本集；

对所述目标样本集的各样本进行标注处理，得到第三训练样本集；

根据所述第二样本集的所述第一类别标签对所述第二样本集进行机器标注处理，获得第二训练样本集；

将所述第一训练样本集、所述第二训练样本集以及所述第三训练样本集进行合并处理，获得目标训练样本集；

采用所述目标训练样本集对所述第一预测模型进行训练，得到目标预测模型。

2.根据权利要求1所述的预测模型的训练方法，其特征在于，所述合并所述第一样本集和所述第三样本集得到合并样本集，将所述合并样本集与所述第一训练样本集的样本进行相似度计算，根据相似度计算结果得到目标样本集包括：

合并所述第一样本集和所述第三样本集得到合并样本集；

将所述第一训练样本集的各样本表征为第一语义向量，将所述合并样本集的各样本表征为第二语义向量；

对所述第一语义向量和所述第二语义向量进行归一化处理；

计算归一化处理后的所述第二语义向量与所述第一语义向量之间的相似度；

根据相似度计算结果从所述合并样本集中选取相似度低于预设阈值的样本，得到所述目标样本集。

3.根据权利要求1所述的预测模型的训练方法，其特征在于，所述合并所述第一样本集和所述第三样本集得到合并样本集，将所述合并样本集与所述第一训练样本集的样本进行相似度计算，根据相似度计算结果得到目标样本集包括：

合并所述第一样本集和所述第三样本集得到合并样本集；

利用SimBERT模型将所述第一训练样本集的各样本表征为第一语义向量；

利用Faiss库基于所述第一语义向量建立索引库；

利用SimBERT模型将所述合并样本集的各样本表征为第二语义向量；

将所述第二语义向量输入所述索引库中得到对应的相似度最高的所述第一语义向量，并计算得到相似度；

根据相似度计算结果从所述合并样本集中选取相似度低于预设阈值的样本，得到所述目标样本集。

4.根据权利要求1所述的预测模型的训练方法，其特征在于，所述将所述第一训练样本集、所述第二训练样本集以及所述第三训练样本集进行合并处理，获得目标训练样本集包括：

根据所述第三训练样本集的样本总数调整所述第二训练样本集的样本数量；

将所述第一训练样本集、所述第三训练样本集以及调整后的所述第二训练样本集进行合并处理，获得目标训练样本集。

5.根据权利要求4所述的预测模型的训练方法，其特征在于，所述根据所述第三训练样本集的样本总数调整所述第二训练样本集的样本数量包括：

根据所述第三训练样本集的样本总数以及预设比例计算所述第二训练样本集的目标样本数量，所述预设比例为所述第三训练样本集的样本总数和所述第二训练样本集的目标样本数量的比例；

根据所述目标样本数量计算结果调整所述第二训练样本集中的样本数量。

6.根据权利要求5所述的预测模型的训练方法，其特征在于，所述根据所述目标样本数量计算结果调整所述第二训练样本集中的样本数量包括：

统计所述第三训练样本集的每个类别标签的样本数量；

根据统计结果以及所述目标样本数量计算结果调整所述第二训练样本集的各类别标签的样本数量。