[发明专利]模型训练方法、预测方法、装置和电子设备

权利要求书

1.一种模型训练方法，包括：

将若干数量的样本数据输入至预测模型，得到所述样本数据的预测结果；

根据所述预测结果和所述样本数据的标签，利用所述预测模型的损失函数计算损失信息，所述损失函数包括第一函数项和第二函数项，所述第一函数项用于增加不同标签所对应样本数据之间的差异，所述第二函数项用于减小预测结果和标签之间的差异；

根据所述损失信息，确定所述预测模型的参数。

2.如权利要求1所述的方法，所述预测模型包括特征提取子模型和预测子模型；

所述将若干数量的样本数据输入至预测模型，包括：

将若干数量的样本数据输入至特征提取子模型，得到所述样本数据的特征数据；

将所述特征数据输入至预测子模型，得到所述样本数据的预测结果；

所述利用所述预测模型的损失函数计算损失信息，包括：

根据所述标签和所述特征数据，计算第一函数项的损失信息；

根据所述标签和所述预测结果，计算第二函数项的损失信息；

根据第一函数项的损失信息和第二函数项的损失信息，计算所述损失函数的损失信息。

3.如权利要求2所述的方法，所述特征提取子模型包括编码模块和降维模块；

所述将若干数量的样本数据输入至特征提取子模型，包括：

将若干数量的样本数据输入至编码模块，得到所述样本数据的编码数据；

将所述编码数据输入至降维模块，得到对所述编码数据降维后的特征数据。

4.如权利要求2所述的方法，所述方法还包括：

将所述标签和所述特征数据进行对应存储。

5.如权利要求2所述的方法，所述方法还包括：

读取若干数量的特征数据及其对应的标签；

所述计算第一函数项的损失信息，包括：

根据样本数据的标签、样本数据的特征数据、读取的标签、以及读取的特征数据，计算第一函数项的损失信息。

6.如权利要求1所述的方法，所述预测模型包括情感分类模型，所述样本数据包括文本数据，所述标签包括情感类别标签。

7.一种预测方法，包括：

将业务数据输入至训练后的预测模型，得到所述业务数据的预测结果，所述预测模型采用如权利要求1-6中任一项方法训练得到。

8.如权利要求7所述的方法，所述预测模型基于一个或多个源领域的样本数据训练得到，所述将业务数据输入至训练后的预测模型，包括：

将目标领域的业务数据输入至训练后的预测模型，得到所述业务数据的预测结果，所述目标领域和所述源领域不同。

9.如权利要求7所述的方法，所述业务数据包括文本数据，所述预测模型包括情感分类模型，所述预测结果包括情感类别。

10.一种模型训练装置，包括：

预测单元，用于将若干数量的样本数据输入至预测模型，得到所述样本数据的预测结果；

计算单元，用于根据所述预测结果和所述样本数据的标签，利用所述预测模型的损失函数计算损失信息，所述损失函数包括第一函数项和第二函数项，所述第一函数项用于增加不同标签所对应样本数据之间的差异，所述第二函数项用于减小预测结果和标签之间的差异；

确定单元，用于根据所述损失信息，确定所述预测模型的参数。

11.一种预测装置，包括：

预测单元，用于将业务数据输入至训练后的预测模型，得到所述业务数据的预测结果，所述预测模型采用如权利要求1-6中任一项方法训练得到。

12.一种电子设备，包括：

至少一个处理器；

存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-9中任一项方法的指令。