[发明专利]预测模型训练方法、装置、存储介质及计算机设备在审
| 申请号： | 201910559074.1 | 申请日： | 2019-06-26 |
| 公开（公告）号： | CN110457675A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 毕野;黄博;吴振宇;王建明 | 申请（专利权）人： | 平安科技(深圳)有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06K9/62;G06F16/33;G06N3/08 |
| 代理公司： | 11448 北京中强智尚知识产权代理有限公司 | 代理人： | 黄耀威;贾依娇<国际申请>=<国际公布> |
| 地址： | 518000广东省深圳市福田街*** | 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： | 本发明公开了一种基于神经网络的预测模型训练方法、装置、存储介质及计算机设备，主要在于能够降低人工标注的样本数量，避免了大量的重复劳动，从而提升了预测模型的训练效率和预测精度。所述方法包括：获取标注样本数据和未标注样本数据；将所述标注样本数据输入至预设神经网络模型进行训练，得到所述预测模型对应的初步模型；将所述未标注样本数据输入至所述初步模型进行预测，得到所述未标注样本数据对应各个预测类别的置信度；确定置信度不符合预设条件的预测类别，选取确定的预测类别下的未标注样本数据供标注，利用新标注的样本数据，更新所述标注样本数据；将更新后的标注样本数据输入至所述初步模型进行迭代训练，得到所述预测模型。本发明适用于预测模型的训练。 | ||
| 搜索关键词： | 样本数据 标注 预测模型 预测 置信度 神经网络模型 预测模型训练 计算机设备 存储介质 迭代训练 人工标注 神经网络 训练效率 预设条件 更新 预设 样本 重复 劳动 | ||
【主权项】：
1.一种预测模型训练方法，其特征在于，包括：/n获取待训练的预测模型所需要的标注样本数据量、以及数据量之和等于所述标注样本数据量的标注样本数据和未标注样本数据；/n将所述标注样本数据输入至预设神经网络模型进行训练，得到所述预测模型对应的初步模型；/n将所述未标注样本数据输入至所述初步模型进行预测，得到所述未标注样本数据对应各个预测类别的置信度；/n确定置信度不符合预设条件的预测类别，选取确定的预测类别下的未标注样本数据供标注，利用新标注的样本数据，更新所述标注样本数据；/n将更新后的标注样本数据输入至所述初步模型进行迭代训练，得到所述预测模型。/n
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/201910559074.1/，转载请声明来源钻瓜专利网。
