[发明专利]神经网络模型的训练方法和系统以及预测方法和系统在审
| 申请号： | 201910618164.3 | 申请日： | 2019-07-10 |
| 公开（公告）号： | CN110751285A | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 罗远飞;涂威威;曹睿;陈雨强 | 申请（专利权）人： | 第四范式(北京)技术有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 11286 北京铭硕知识产权代理有限公司 | 代理人： | 曾世骁;于翔 |
| 地址： | 100085 北京市海淀区上*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供了一种神经网络模型的训练方法和系统以及预测方法和系统。所述训练方法包括：获取训练数据记录；基于训练数据记录的属性信息来生成训练样本的特征，并将训练数据记录的标记作为训练样本的标记；以及基于训练样本来训练所述神经网络模型，其中，所述神经网络模型包括一个或更多个嵌入层、一个或更多个底层神经网络结构、以及上层神经网络结构。 | ||
| 搜索关键词： | 神经网络模型 训练数据 神经网络结构 训练样本 记录 属性信息 嵌入层 上层 预测 | ||
【主权项】：
1.一种神经网络模型的训练方法，所述方法包括：/n获取训练数据记录；/n基于训练数据记录的属性信息来生成训练样本的特征，并将训练数据记录的标记作为训练样本的标记；以及/n基于训练样本来训练所述神经网络模型，其中，所述神经网络模型包括一个或更多个嵌入层、一个或更多个底层神经网络结构、以及上层神经网络结构，/n其中，基于训练样本来训练所述神经网络模型的步骤包括：/n将训练样本的至少一个特征经过对应的嵌入层，得到对应的特征嵌入向量，/n将每个嵌入层输出的特征嵌入向量分别经过对应的底层神经网络结构，通过所述对应的底层神经网络结构学习出对应特征的特征信息表示，/n通过上层神经网络结构来至少基于所述一个或更多个底层神经网络结构输出的特征信息表示学习出预测结果，/n至少基于所述预测结果与所述标记之间的差异来调整所述神经网络模型。/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第四范式(北京)技术有限公司，未经第四范式(北京)技术有限公司许可，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/201910618164.3/，转载请声明来源钻瓜专利网。
