【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种模型训练方法、装置及存储介质。
技术介绍
1、目前，为了提高神经网络模型的使用效果，会针对不同的任务（例如文本分类、情感分析、推荐系统等）对应训练特定的任务模型，使得这些经过训练的任务模型能够在对应的特定任务中具有更好的处理效果和鲁棒性。
2、在相关技术中，若要提高针对任务模型的训练效果，需要采用大量高质量的训练样本对任务模型进行训练，但大量高质量的训练样本往往需要人工进行收集和标记，从而会增加人工耗时成本。另外，目前针对任务模型的训练都是迭代训练，在模型训练过程中，不论任务模型是否得到优化，都会自动地迭代更新，因此容易存在模型训练有效性不稳定的问题。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、本专利技术实施例提供了一种模型训练方法、装置及存储介质，不仅能够降低人工耗时成本，还能够避免出现模型训练有效性不稳定的问题。
3、一方面，本专利技术实施例提供了一种模型训练...
【技术保护点】
1.一种模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述对所述第二任务模型进行模型效果测试，得到效果测试结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述待验证样本为所述待测试多媒体信息样本对应的样本标签；
4.根据权利要求2所述的方法，其特征在于，所述待验证样本为与所述待测试多媒体信息样本语义相同的待验证多媒体信息样本；
5.根据权利要求3或4所述的方法，其特征在于，所述基于所述效果测试结果，对所述第一任务模型进行更新，包括：
6.根据权利要求1所述的方法，...
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述对所述第二任务模型进行模型效果测试，得到效果测试结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述待验证样本为所述待测试多媒体信息样本对应的样本标签；
4.根据权利要求2所述的方法，其特征在于，所述待验证样本为与所述待测试多媒体信息样本语义相同的待验证多媒体信息样本；
5.根据权利要求3或4所述的方法，其特征在于，所述基于所述效果测试结果，对所述第一任务模型进行更新，包括：
6.根据权利要求1所述的方法，其特征在于，所述信息生成引导模板根据以下步骤得到：
7.根据权利要求6所述的方法，其特征在于，为所述初始引导模板生成所述模板标签的过程，包括以下步骤：
8.根据权利要求6所述的方法，其特征在于，所述根据所述模板标签对所述初始引导模板进行分类，得到所述初始引导模板的分类结果，包括：
9.根据权利要求1所述的方法，其特征在于，所述多媒体生成模型根据所述信息生成引导模板对所述第一多媒体信息进行信息生成，得到所述第二多媒体信息的过...
【专利技术属性】
技术研发人员：陆笛，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。