[发明专利]一种模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取目标对象对应的至少两个数据源的目标数据及所述目标对象的目标标签；

针对每个数据源，将所述数据源的目标数据输入至与所述数据源对应的预测模型，以使所述预测模型输出与所述数据源对应的预测数据，得到至少两个所述预测数据，所述预测模型是预先通过所述数据源的样本数据和样本标签训练得到的；

利用至少两个所述预测数据和所述目标标签训练目标模型，直至所述目标模型收敛。

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括：至少两个预测子模型；

所述将所述数据源的目标数据输入至与所述数据源对应的预测模型，以使所述预测模型输出与所述数据源对应的预测数据，包括：

针对每个预测子模型，将所述数据源的目标数据输入至所述预测子模型，得到预测子数据，得到至少两个所述预测子数据，所述预测子模型是预先通过所述样本数据及所述样本标签训练得到的；

基于至少两个所述预测子数据确定所述数据源对应的预测数据。

3.根据权利要求2所述的方法，其特征在于，所述预测子数据包括至少两个类别；

所述基于至少两个所述预测子数据确定所述数据源对应的预测数据，包括：

针对每个类别，在至少两个所述预测子数据中，确定所述类别对应的预测子数据的数量；

将至少两个所述类别对应的预测子数据的数量按照由多到少的顺序进行排序；

将排序在首位的类别对应的预测子数据作为预测数据。

4.根据权利要求2所述的方法，其特征在于，所述基于至少两个所述预测子数据确定所述数据源对应的预测数据，包括：

针对每个预测子模型，确定所述预测子模型对应的第一评分数据，所述第一评分数据用于表征所述预测子模型的预测效果；

基于所述第一评分数据确定所述预测子模型对应的第一权重信息；

基于所述第一权重信息确定所述预测子模型输出所述预测子数据的概率，将概率最高的预测子数据确定为所述数据源对应的预测数据。

5.根据权利要求2所述的方法，其特征在于，所述基于至少两个所述预测子数据确定所述数据源对应的预测数据，包括：

确定至少两个所述预测子数据的均值，将所述均值作为所述数据源对应的预测数据。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定至少两个目标子模型，所述目标子模型是通过至少两个所述预测数据和所述目标标签训练得到的；

利用预设集成方式将至少两个所述目标子模型结合，得到集成模型，将所述集成模型作为所述目标模型。

7.一种模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取目标对象对应的至少两个数据源的目标数据及所述目标对象的目标标签；

输入模块，用于针对每个数据源，将所述数据源的目标数据输入至与所述数据源对应的预测模型，以使所述预测模型输出与所述数据源对应的预测数据，得到至少两个所述预测数据，所述预测模型是预先通过所述数据源的样本数据和样本标签训练得到的；

训练模块，用于利用至少两个所述预测数据和所述目标标签训练目标模型，直至所述目标模型收敛。

8.根据权利要求7所述的装置，其特征在于，所述预测模型包括：至少两个预测子模型；

所述输入模块，具体用于：

针对每个预测子模型，将所述数据源的目标数据输入至所述预测子模型，得到预测子数据，得到至少两个所述预测子数据，所述预测子模型是预先通过所述样本数据及所述样本标签训练得到的；

基于至少两个所述预测子数据确定所述数据源对应的预测数据。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。