[发明专利]用于生成模型的方法和装置

权利要求书

1.一种用于生成模型的方法，包括：

响应于接收到用户的终端发送的包括用户标识的模型生成请求，从预设的模型表中查找与所述用户标识对应的模型信息集合，并向所述终端发送所述模型信息集合，其中，所述模型信息集合中的模型信息包括模型类别和模型参数，所述模型表用于表征用户标识和模型信息的对应关系，模型参数包括以下至少一项：网络层数、核函数类型、误差精度、学习速率；

响应于接收到所述终端发送的、所述用户从所述模型信息集合选择的模型类别和模型参数，确定与所述用户选择的模型类别和模型参数匹配的神经网络；

响应于接收到所述终端发送的样本数据集合，利用机器学习方法，基于所述样本数据集合和所述神经网络训练得到模型。

2.根据权利要求1所述的方法，所述样本数据集合中的样本数据包括输入样本数据和输出样本数据；以及

所述方法还包括：

从所述样本数据集合中获取预定数目的输入样本数据和与所述预定数目的输入样本数据对应的所述预定数目的输出样本数据；

对于所获取的每条输入样本数据，将该输入样本数据输入到所述模型，得到与该输入样本数据对应的输出结果，若该输出结果与该输入样本数据对应的输出样本数据的相似度大于预定相似度阈值，则累加验证正确的次数；

将所述验证正确的次数与所述预定数目的比值确定为准确率。

3.根据权利要求2所述的方法，其中，所述方法还包括：

若所述准确率大于预定准确率阈值，则将所述模型转换成应用，并将所述应用发布到目标服务器以供至少一个终端下载使用。

4.根据权利要求3所述的方法，其中，所述方法还包括：

接收下载使用所述应用的终端发送的反馈数据并将所述反馈数据添加到所述样本数据集合，其中，所述反馈数据包括下载使用所述应用的终端输入到所述应用中的实际输入数据、所述实际输入数据对应的实际输出结果、所述下载使用所述应用的终端的用户输入的期望输出结果，并且所述实际输出结果与所述期望输出结果的相似度小于所述预定相似度阈值；

基于所述实际输入数据、所述实际输出结果、所述期望输出结果重新训练所述模型，并将更新后的模型重新发布到所述目标服务器。

5.根据权利要求2所述的方法，其中，所述方法还包括：

若所述准确率小于或等于预定准确率阈值，则根据所述准确率和所述用户选择的模型类别、模型参数从所述模型信息集合确定出推荐模型信息，并向所述终端发送所述推荐模型信息，以供所述用户重新选择模型类别和模型参数。

6.根据权利要求1-5之一所述的方法，其中，所述基于所述样本数据集合和所述神经网络训练得到模型，包括：

从所述样本数据集合中选取样本数据执行如下训练步骤：利用样本数据训练神经网络；基于训练结果，调整所述神经网络的网络参数；确定训练完成条件是否已经满足；

响应于确定不满足并且没有接收到所述用户的终端发送的停止训练消息，从所述样本数据集合中选取其他样本数据继续执行所述训练步骤；

其中，所述训练完成条件包括以下至少一项：

所述神经网络的训练次数达到预设的训练次数阈值；

相邻两次训练中，所述神经网络的输出之间的损失值小于预设阈值。

7.一种用于生成模型的装置，包括：

接收单元，配置用于响应于接收到用户的终端发送的包括用户标识的模型生成请求，从预设的模型表中查找与所述用户标识对应的模型信息集合，并向所述终端发送所述模型信息集合，其中，所述模型信息集合中的模型信息包括模型类别和模型参数，所述模型表用于表征用户标识和模型信息的对应关系，模型参数包括以下至少一项：网络层数、核函数类型、误差精度、学习速率；

确定单元，配置用于响应于接收到所述终端发送的、所述用户从所述模型信息集合选择的模型类别和模型参数，确定与所述用户选择的模型类别和模型参数匹配的神经网络；

训练单元，配置用于响应于接收到所述终端发送的样本数据集合，利用机器学习装置，基于所述样本数据集合和所述神经网络训练得到模型。