[发明专利]模型训练方法和语言模型训练方法及装置

权利要求书

1.一种模型训练方法，所述方法包括：

获取至少一种目标类别；

确定每种所述目标类别对应的文本提示词，所述文本提示词用于描述所述目标类别的属性；

分别将每种所述目标类别对应的文本提示词输入数据生成模型，通过所述数据生成模型输出每种所述目标类别对应的样本数据；

采用所述至少一种目标类别分别对应的所述样本数据，对AI网络进行训练，得到目标AI模型，所述目标AI模型具有根据输入的目标数据预测所述目标数据所属的目标类别的功能。

2.根据权利要求1所述的方法，所述确定每种所述目标类别对应的文本提示词，包括：

分别将每种所述目标类别的名称字段输入语言模型，通过所述语言模型输出每种所述目标类别对应的文本提示词；

其中，所述语言模型是采用样本名称字段作为输入、所述样本名称字段对应的标注文本提示词作为输出，对神经网络进行训练得到的。

3.根据权利要求1或2所述的方法，所述采用所述至少一种目标类别分别对应的所述样本数据，对AI网络进行训练，得到目标AI模型，包括：

对每种所述目标类别对应的所述样本数据进行筛选，得到每种所述目标类别对应的符合质量规则的目标样本数据；

采用所述至少一种目标类别分别对应的所述目标样本数据，对AI网络进行训练，得到所述目标AI模型。

4.根据权利要求1-3任一项所述的方法，所述采用所述至少一种目标类别分别对应的所述样本数据，对AI网络进行训练，得到目标AI模型之后，所述方法还包括：

获取所述目标AI模型的预测准确率；

当所述预测准确率小于预设阈值时，对每种所述目标类别对应的样本数据进行更新，得到每种所述目标类别对应的更新后的样本数据，并采用所述至少一种目标类别分别对应的所述更新后的样本数据，对所述目标AI模型进行更新训练，直至所述预测准确率大于或等于所述预设阈值。

5.根据权利要求1-4任一项所述的方法，所述方法还包括：

获取所述目标AI模型在真实场景下的真实输入数据、所述真实输入数据的目标类别；

确定所述真实输入数据的目标类别对应的文本提示词；

将所述真实输入数据的目标类别对应的文本提示词作为输入、所述真实输入数据作为输出，对所述数据生成模型进行更新训练，得到更新后的数据生成模型。

6.根据权利要求1-5任一项所述的方法，所述方法还包括：

获取所述目标AI模型在真实场景下的真实输入数据、所述真实输入数据的目标类别；

将所述真实输入数据作为输入、所述真实输入数据的目标类别作为输出，对所述目标AI模型进行更新训练，得到更新后的目标AI模型。

7.一种语言模型训练方法，所述方法包括：

获取样本名称字段、所述样本名称字段对应的标注文本提示词；

将所述样本名称字段作为输入、所述样本名称字段对应的标注文本提示词作为输出，对神经网络进行训练，得到语言模型。

8.一种模型训练装置，所述装置包括：

获取单元，用于获取至少一种目标类别；

确定单元，用于确定每种所述目标类别对应的文本提示词，所述文本提示词用于描述所述目标类别的属性；

生成单元，用于分别将每种所述目标类别对应的文本提示词输入数据生成模型，通过所述数据生成模型输出每种所述目标类别对应的样本数据；

训练单元，用于采用所述至少一种目标类别分别对应的所述样本数据，对AI网络进行训练，得到目标AI模型，所述目标AI模型具有根据输入的目标数据预测所述目标数据所属的目标类别的功能。

9.根据权利要求8所述的装置，所述确定单元，还用于：

分别将每种所述目标类别的名称字段输入语言模型，通过所述语言模型输出每种所述目标类别对应的文本提示词；

其中，所述语言模型是采用样本名称字段作为输入、所述样本名称字段对应的标注文本提示词作为输出，对神经网络进行训练得到的。