申请/专利权人：腾讯科技(深圳)有限公司

申请日：2022-01-27

公开（公告）日：2024-06-28

公开（公告）号：CN114511023B

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/214;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.10.11#实质审查的生效;2022.05.17#公开

摘要：本申请涉及一种分类模型训练方法以及分类方法。所述分类模型训练方法包括：获取第一分类模型、第二分类模型和样本数据；将样本数据输入第一分类模型，得到第一预测结果，并将样本数据输入第二分类模型，得到第二预测结果；比对第一预测结果和第二预测结果，得到与第一分类模型对应的第一训练数据以及与第二分类模型对应的第二训练数据；通过第一训练数据对第一分类模型进行训练，得到训练后第一分类模型，并通过第二训练数据对第二分类模型进行训练，得到训练后第二分类模型；根据训练后第一分类模型和训练后第二分类模型，得到目标分类模型。采用本分类模型训练方法能够支持准确分类。

主权项：1.一种分类模型训练方法，其特征在于，所述方法包括：计算机设备获取第一分类模型、第二分类模型和样本数据，所述第一分类模型由第一类型的训练数据训练得到，所述第二分类模型由第二类型的训练数据训练得到，所述样本数据包括所述第一类型的数据和所述第二类型的数据；所述第一类型和所述第二类型是不同类型，且为文本、数值、图中的两种；所述计算机设备将所述样本数据输入所述第一分类模型，得到第一预测结果，并将所述样本数据输入所述第二分类模型，得到第二预测结果；所述计算机设备比对所述第一预测结果和所述第二预测结果，当所述第一预测结果和所述第二预测结果一致时，获取与所述第一预测结果对应的第一置信度以及与所述第二预测结果对应的第二置信度；当所述第一置信度大于所述第二置信度时，根据所述第二置信度计算所述第二预测结果对应的第二未充分学习概率，当所述第二未充分学习概率大于或者等于预设概率阈值时，将所述样本数据确定为与所述第二分类模型对应的第二训练数据；当所述第一置信度小于所述第二置信度时，根据所述第一置信度计算所述第一预测结果对应的第一未充分学习概率，当所述第一未充分学习概率大于或者等于预设概率阈值时，将所述样本数据确定为与所述第一分类模型对应的第一训练数据，所述第一训练数据为所述第一分类模型未充分学习的样本数据，所述第二训练数据为所述第二分类模型未充分学习的样本数据，所述未充分学习是指未充分学习概率大于或者等于预设概率阈值；所述计算机设备通过所述第一训练数据对所述第一分类模型进行训练，得到训练后第一分类模型，并通过所述第二训练数据对所述第二分类模型进行训练，得到训练后第二分类模型；所述计算机设备根据所述训练后第一分类模型和所述训练后第二分类模型，得到目标分类模型，所述目标分类模型用于对待分类数据进行分类，所述待分类数据包括所述第一类型的数据和所述第二类型的数据。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 分类模型训练方法以及分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD