[发明专利]属性预测模型训练方法、属性预测方法及电子设备在审
| 申请号： | 201910969505.1 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110796232A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 原发杰;何向南;徐哲钊;熊健;孔蓓蓓;张立广;熊义林 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06F16/9535 |
| 代理公司： | 44232 深圳市隆天联鼎知识产权代理有限公司 | 代理人： | 刘抗美 |
| 地址： | 518000 广东省深圳*** | 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： | 本公开提供了一种属性预测模型训练方法、属性预测方法、模型、装置、介质以及电子设备，主要涉及人工智能中的迁移学习技术领域。该方法包括获取源域数据，所述源域数据包括样本对象在源域的行为序列；利用所述源域数据对初始神经网络进行训练以得到源域行为表征模型；冻结所述源域行为表征模型的参数，并在所述源域行为表征模型中插入微调网络层；获取目标域数据，所述目标域数据包括样本对象在源域的行为序列以及在目标域的属性标签；利用所述目标域数据对带有微调网络层的源域行为表征模型进行训练以得到针对所述目标域的属性预测模型。该方法可以有效地将源域中的行为特征迁移至目标域中，可以缩减参数调整数量并提高模型训练效果。 | ||
| 搜索关键词： | 源域 目标域 行为表征 数据包括 行为序列 样本对象 网络层 域数据 微调 迁移 预测模型训练 人工智能 参数调整 电子设备 获取目标 模型训练 神经网络 属性标签 行为特征 预测模型 获取源 有效地 冻结 预测 学习 | ||
【主权项】：
1.一种属性预测模型训练方法，其特征在于，包括：/n获取源域数据，所述源域数据包括样本对象在源域的行为序列；/n利用所述源域数据对初始神经网络进行训练以得到源域行为表征模型；/n冻结所述源域行为表征模型的参数，并在所述源域行为表征模型中插入微调网络层；/n获取目标域数据，所述目标域数据包括样本对象在源域的行为序列以及在目标域的属性标签；/n利用所述目标域数据对带有微调网络层的源域行为表征模型进行训练以得到针对所述目标域的属性预测模型。/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腾讯科技(深圳)有限公司，未经腾讯科技(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/201910969505.1/，转载请声明来源钻瓜专利网。
