[发明专利]基于数据处理的模型训练方法、装置、终端及存储介质有效
| 申请号： | 201811364712.6 | 申请日： | 2018-11-15 |
| 公开（公告）号： | CN109460463B | 公开（公告）日： | 2023-06-20 |
| 发明（设计）人： | 毕野;黄博;吴振宇;王建明;肖京 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F18/214 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郝传鑫;熊永强 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于数据处理的模型训练方法、装置、终端及存储介质，应用于数据处理技术领域。其中，方法包括：基于至少一个虚拟对话系统产生的对话数据构建第一训练数据集，并根据第一训练数据集进行根据输入对话确定生成回复的模型训练得到初始模型以及初始模型的奖励函数；根据强化学习算法和第一训练数据集对初始模型进行第一强化训练，得到中间模型；基于至少一个真实对话系统产生的对话数据构建第二训练数据集，并根据强化学习算法和第二训练数据集对中间模型进行第二强化训练，得到目标模型。本发明实施例可以使得训练得到的目标模型考虑回复的广度和深度，减少万能回复，从而可以提升回复的丰富度和前瞻性。 | ||
| 搜索关键词： | 基于 数据处理 模型 训练 方法 装置 终端 存储 介质 | ||
【主权项】：
1.一种基于数据处理的模型训练方法，其特征在于，包括：基于至少一个虚拟对话系统产生的对话数据构建第一训练数据集，并根据所述第一训练数据集进行根据输入对话确定生成回复的模型训练得到初始模型以及所述初始模型的奖励函数，其中，所述初始模型的奖励函数和所述第一训练数据集用于在第一强化训练中确定所述初始模型的训练方向；根据强化学习算法和所述第一训练数据集对所述初始模型进行所述第一强化训练，得到中间模型，其中，所述第一强化训练中的奖励函数采用所述初始模型的奖励函数；基于至少一个真实对话系统产生的对话数据构建第二训练数据集，并根据所述强化学习算法和所述第二训练数据集对所述中间模型进行第二强化训练，得到目标模型，其中，所述第二强化训练中的奖励函数定义为1。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811364712.6/，转载请声明来源钻瓜专利网。
