一种信息处理设备、方法及计算机存储介质技术

本申请实施例公开了一种信息处理设备、方法及计算机存储介质，其中，该设备包括：特征存储模块和训练模块；所述特征存储模块用于：存储第一特征数据集合，所述第一特征数据集合包括：对第一训练样本集合中每一第一样本进行特征提取得到的特征信息，和所述每一第一样本对应的标签；所述训练模块用于：获取第二训练样本集合，并从所述特征存储模块中获取所述第一特征数据集合，基于所述第二训练样本集合和所述第一特征数据集合，训练得到第一目标模型；所述第二训练样本集合中包括多个带标签的样本。本。本。

【技术实现步骤摘要】
一种信息处理设备、方法及计算机存储介质


[0001]本申请实施例涉及但不限于信息处理
，尤其涉及一种信息处理设备、方法及计算机存储介质。

技术介绍

[0002]为了训练出目标模型，需要先获取原始数据，然后对原始数据进行标注，得到带标签的样本，接着通过带标签的样本对初始模型进行训练，得到目标模型。然而，如何高效的得到目标模型是本领域亟需解决的问题。

技术实现思路

[0003]本申请实施例提供一种信息处理设备、方法及计算机存储介质。
[0004]本申请实施例提供一种信息处理设备，所述设备包括：特征存储模块和训练模块；
[0005]所述特征存储模块用于：存储第一特征数据集合，所述第一特征数据集合包括：对第一训练样本集合中每一第一样本进行特征提取得到的特征信息，和所述每一第一样本对应的标签；
[0006]所述训练模块用于：获取第二训练样本集合，并从所述特征存储模块中获取所述第一特征数据集合，基于所述第二训练样本集合和所述第一特征数据集合，训练得到第一目标模型；所述第二训练样本集合中包括多个带标签的样本。
[0007]在一些实施例中，所述训练模块还用于：获取并向所述特征存储模块输出第二特征数据集合；所述第二特征数据集合包括：对所述第二训练样本集合中每一第二样本进行特征提取得到的特征信息，和所述每一第二样本对应的标签；
[0008]所述特征存储模块还用于：存储所述第二特征数据集合；
[0009]所述训练模块还用于：获取第三训练样本集合，并从所述特征存储模块中的所述第一特征数据集合和所述第一特征数据集合中，获取目标特征数据集合，基于所述第三训练样本集合以及所述目标特征数据集合，训练得到第二目标模型；所述第三训练样本集合中包括多个带标签的样本。
[0010]在一些实施例中，所述第一特征数据集合还包括第一提取属性信息；所述第二特征数据集合还包括第二提取属性信息。
[0011]在一些实施例中，所述设备还包括特征转发模块和特征输出模块；
[0012]所述特征转发模块用于：从所述特征存储模块的所述第一特征数据集合中获取指定特征数据集合，通过所述特征输出模块输出所述指定特征数据集合；
[0013]和/或，
[0014]所述特征转发模块用于：接收所述训练模块发送的对与特定训练样本集合进行特征提取得到的特定特征数据集合，通过所述特征输出模块输出所述特定特征数据集合。
[0015]在一些实施例中，所述设备还包括以下至少之一：数据解析模块、模型预测模块、样本分析模块；
[0016]所述数据解析模块用于：获取待解析数据，对所述待解析数据进行解析，确定并输出所述待解析数据的属性信息；
[0017]所述模型预测模块用于：获取待预测数据和所述第一目标模型，采用所述第一目标模型对所述待预测数据进行预测，确定并输出所述待预测数据的预测结果；
[0018]所述样本分析模块用于：获取待分析的样本数据，对所述待分析的样本数据进行分析，确定并输出所述待分析的样本数据的分析结果；所述待分析的样本数据包括至少一个带标签的样本数据；所述分析结果包括每一所述带标签的样本数据中标签的准确性信息。
[0019]在一些实施例中，所述设备还包括模型压缩模块；
[0020]所述模型压缩模块用于：获取所述第一目标模型和与所述第一目标模型对应的设定压缩参数；基于所述设定压缩参数对所述第一目标模型进行压缩，确定并输出压缩后的模型。
[0021]在一些实施例中，所述设备还包括模型集成模块；
[0022]所述模型集成模块用于：获取至少两个模型和用于对所述至少两个模型进行集成的集成参数；基于所述集成参数对所述至少两个模型进行集成，确定并输出集成后的模型。
[0023]在一些实施例中，所述设备还包括模型分析模块；
[0024]所述模型分析模块用于：获取所述第一目标模型和用于训练得到所述第一目标模型的多个特征信息；分别确定并输出所述多个特征信息在训练所述目标模型时的重要性信息；和/或，
[0025]所述模型分析模块用于：分析并输出至少两个同种类型的模型分别对应的准确率、精度、召回率中的至少之一。
[0026]在一些实施例中，所述训练模块还用于：获取模型参数信息和第四训练样本集合；所述模型参数信息包括以下至少之一：模型类型信息、模型的功能信息、模型的应用场景信息；从所述特征存储模块存储的第四训练样本中确定与所述模型参数信息匹配的所述第二训练样本集合，并从所述特征存储模块中获取与所述模型参数信息匹配的所述第一特征数据集合。
[0027]在一些实施例中，所述信息处理设备包括中台和/或后台。
[0028]本申请实施例提供一种信息处理方法，应用于信息处理设备，所述方法包括：
[0029]获取第二训练样本集合；所述第二训练样本集合中包括多个带标签的样本；
[0030]从特征存储模块中获取第一特征数据集合；所述第一特征数据集合包括：对第一训练样本集合中每一第一样本进行特征提取得到的特征信息，和所述每一第一样本对应的标签；
[0031]基于所述第二训练样本集合和所述第一特征数据集合，训练得到第一目标模型。
[0032]在一些实施例中，所述方法还包括：
[0033]获取第二特征数据集合；所述第二特征数据集合包括：对所述第二训练样本集合中每一第二样本进行特征提取得到的特征信息，和所述每一第二样本对应的标签；
[0034]向所述特征存储模块发送所述第二特征数据集合；
[0035]从所述特征存储模块中的所述第一特征数据集合和所述第一特征数据集合中，获取目标特征数据集合；
[0036]基于获取的第三训练样本集合以及所述目标特征数据集合，训练得到第二目标模型；所述第三训练样本集合中包括多个带标签的样本。
[0037]在一些实施例中，所述第一特征数据集合还包括第一提取属性信息；所述第二特征数据集合还包括第二提取属性信息。
[0038]在一些实施例中，所述方法还包括以下至少之一：
[0039]从所述特征存储模块的所述第一特征数据集合中获取指定特征数据集合，输出所述指定特征数据集合；
[0040]接收所述训练模块发送的对与特定训练样本集合进行特征提取得到的特定特征数据集合，输出所述特定特征数据集合。
[0041]在一些实施例中，所述方法还包括以下至少之一：
[0042]获取待解析数据，对所述待解析数据进行解析，确定并输出所述待解析数据的属性信息；
[0043]获取待预测数据和所述第一目标模型，采用所述第一目标模型对所述待预测数据进行预测，确定并输出所述待预测数据的预测结果；
[0044]获取待分析的样本数据，对所述待分析的样本数据进行分析，确定并输出所述待分析的样本数据的分析结果；所述待分析的样本数据包括至少一个带标签的样本数据；所述分析结果包括每一所述带标签的样本数据中标签的准确性信息。
[0045]在一些实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理设备，其特征在于，所述设备包括：特征存储模块和训练模块；所述特征存储模块用于：存储第一特征数据集合，所述第一特征数据集合包括：对第一训练样本集合中每一第一样本进行特征提取得到的特征信息，和所述每一第一样本对应的标签；所述训练模块用于：获取第二训练样本集合，并从所述特征存储模块中获取所述第一特征数据集合，基于所述第二训练样本集合和所述第一特征数据集合，训练得到第一目标模型；所述第二训练样本集合中包括多个带标签的样本。2.根据权利要求1所述的信息处理设备，其特征在于，所述训练模块还用于：获取并向所述特征存储模块输出第二特征数据集合；所述第二特征数据集合包括：对所述第二训练样本集合中每一第二样本进行特征提取得到的特征信息，和所述每一第二样本对应的标签；所述特征存储模块还用于：存储所述第二特征数据集合；所述训练模块还用于：获取第三训练样本集合，并从所述特征存储模块中的所述第一特征数据集合和所述第一特征数据集合中，获取目标特征数据集合，基于所述第三训练样本集合以及所述目标特征数据集合，训练得到第二目标模型；所述第三训练样本集合中包括多个带标签的样本。3.根据权利要求2所述的信息处理设备，其特征在于，所述第一特征数据集合还包括第一提取属性信息；所述第二特征数据集合还包括第二提取属性信息。4.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述设备还包括特征转发模块和特征输出模块；所述特征转发模块用于：从所述特征存储模块的所述第一特征数据集合中获取指定特征数据集合，通过所述特征输出模块输出所述指定特征数据集合；和/或，所述特征转发模块用于：接收所述训练模块发送的对与特定训练样本集合进行特征提取得到的特定特征数据集合，通过所述特征输出模块输出所述特定特征数据集合。5.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述设备还包括以下至少之一：数据解析模块、模型预测模块、样本分析模块；所述数据解析模块用于：获取待解析数据，对所述待解析数据进行解析，确定并输出所述待解析数据的属性信息；所述模型预测模块用于：获取待预测数据和所述第一目标模型，采用所述第一目标模型对所述待预测数据进行预测，确定并输出所述待预测数据的预测结果；所述样本分析模块用于：获取待分析的样本数据，对所述待分析的样本数据进行分析，确定并输出所述待分析的样本数据的分析结果；所述待分析的样本数据包括至少一个带标签的样本数据；所述分析结果包括每一所述带标签的样本数据中标签的准确性信息。6.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述设备还包括模型压缩模块；所述模型压缩模块用于：获取所述第一目标模型和与所述第一目标模型对应的设定压缩参数；基于所述设定压缩参数对所述第一目标模型进行压缩，确定并输出压缩后的模型。7.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述设备还包括模型
集成模块；所述模型集成模块用于：获取至少两个模型和用于对所述至少两个模型进行集成的集成参数；基于所述集成参数对所述至少两个模型进行集成，确定并输出集成后的模型。8.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述设备还包括模型分析模块；所述模型分析模块用于：获取所述第一目标模型和用于训练得到所述第一目标模型的多个特征信息；分别确定并输出所述多个特征信息在训练所述目标模型时的重要性信息；和/或，所述模型分析模块用于：分析并输出至少两个同种类型的模型分别对应的准确率、精度、召回率中的至少之一。9.根据权利要求1至3任一项所述的信息处理设备，其特征在于，所述训练模块还用于：获取模型参数信息和第四训练样本集合；所述模型参数信息包括以下至少之一：模型类型信息、模型的功能信息、模型的应用场景信息；从所述特征存储模块存储的第四训练...

【专利技术属性】
技术研发人员：徐敬蘅，赵艺宾，章明星，刘彦南，位凯志，
申请(专利权)人：深信服科技股份有限公司，
类型：发明
国别省市：