[发明专利]一种模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

使用当前训练集进行训练，获得当前训练模型；

使用所述当前训练模型对非目标训练集进行预测，获得当前预测结果；包括：所述当前训练模型预测所述非目标训练集中的每个数据是否与所述当前训练模型有关，当数据与所述当前训练模型有关时，将该数据标注为相关数据；统计相关数据的数量，并作为所述当前预测结果；

当所述当前预测结果满足迭代停止条件时，将当前训练模型作为目标模型的最优训练模型；

当所述当前预测结果不满足迭代停止条件时，选取N2个导致不满足迭代停止条件的数据加入当前训练集中，形成下一个当前训练集；包括：当所述相关数据的数量大于预设数量阈值时，选取N2个所述相关数据加入所述当前训练集中；

其中，所述非目标训练集由非目标模型的训练数据汇集而成，第一个当前训练集由目标模型的训练数据和N1个非目标训练集中的数据汇集而成；所述N1为目标模型的训练数据量和目标模型的训练数据类目量的比值；当所述相关数据的数量小于N2的五分之一时，所述N2为相关数据的数量；当所述相关数据大于等于N2的五分之一时，所述N2为N1的五分之一；所述当前训练模型为FAQ模型，所述非目标模型为转人工模型。

2.根据权利要求1所述的方法，其特征在于，所述当所述当前预测结果不满足迭代停止条件时，选取N2个导致不满足迭代停止条件的数据加入当前训练集中，包括：

计算所述相关数据在所述非目标训练集中的比例，当该比例大于预设比例阈值时，选取N2个所述相关数据加入所述当前训练集中。

3.根据权利要求2所述的方法，其特征在于，所述N1、N2、预设数量阈值和预设比例阈值均为超参数。

4.根据权利要求2中所述的方法，其特征在于，所述预设比例阈值为1%。

5.一种模型训练装置，其特征在于，包括：

训练模块，用于使用当前训练集进行训练，获得当前训练模型；

预测模块，用于使用所述当前训练模型对非目标训练集进行预测，获得当前预测结果；包括：所述当前训练模型预测所述非目标训练集中的每个数据是否与所述当前训练模型有关，当数据与所述当前训练模型有关时，将该数据标注为相关数据；统计相关数据的数量，并作为所述当前预测结果；

迭代停止模块，用于当所述当前预测结果满足迭代停止条件时，将当前训练模型作为目标模型的最优训练模型；当所述当前预测结果不满足迭代停止条件时，选取N2个导致不满足迭代停止条件的数据加入当前训练集中，形成下一个当前训练集；包括：当所述相关数据的数量大于预设数量阈值时，选取N2个所述相关数据加入所述当前训练集中；

其中，所述非目标训练集由非目标模型的训练数据汇集而成，第一个当前训练集由目标模型的训练数据和N1个非目标训练集中的数据汇集而成；所述N1为目标模型的训练数据量和目标模型的训练数据类目量的比值；当所述相关数据的数量小于N2的五分之一时，所述N2为相关数据的数量；当所述相关数据大于等于N2的五分之一时，所述N2为N1的五分之一；所述当前训练模型为FAQ模型，所述非目标模型为转人工模型。