[发明专利]模型训练方法、预测方法、装置和电子设备

说明书

本说明书实施例公开了一种模型训练方法、预测方法、装置和电子设备。所述模型训练方法包括：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。本说明书实施例可以增强模型的领域适应性。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种模型训练方法、预测方法、装置和电子设备。

背景技术

随着人工智能技术的发展，通过样本数据训练预测模型，再利用训练后的预测模型对业务数据进行预测，这种方式在越来越多的领域得到普及应用。

在一些场景中，可以通过源领域的样本数据训练预测模型，再利用训练后的预测模型对源领域的业务数据进行预测。所述源领域可以包括热门领域、成熟领域等。随着业务的快速发展，有可能需要对目标领域的业务数据进行预测。所述目标领域可以包括新兴领域、冷门领域等。然而，目标领域下样本数据的数量往往较少，甚至，目标领域下不存在样本数据。这样便无法通过目标领域的样本数据训练预测模型，无法对目标领域的业务数据进行预测。

为了对目标领域的业务数据进行预测，一种解决方案是，直接利用源领域的预测模型对目标领域的业务数据进行预测。然而，源领域的预测模型是采用传统的模型训练方法训练得到的。采用传统的模型训练方法训练得到的模型，领域适应性较差。这样，若直接利用源领域的预测模型对目标领域的业务数据进行预测，会造成预测结果的准确性不高。

发明内容

本说明书实施例提供一种模型训练方法、预测方法、装置和电子设备，以增强模型的领域适应性。本说明书实施例的技术方案如下。

本说明书实施例的第一方面，提供了一种模型训练方法，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

本说明书实施例的第二方面，提供了一种预测方法，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第一方面所述的模型训练方法训练得到。

本说明书实施例的第三方面，提供了一种模型训练装置，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。

本说明书实施例的第四方面，提供了一种预测装置，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第一方面所述的模型训练方法训练得到。

本说明书实施例的第五方面，提供了一种电子设备，包括：

至少一个处理器；