【技术实现步骤摘要】
本专利技术属于图片数据推荐领域，具体的说是一种基于元学习和强化学习的图片数据推荐方法。
技术介绍
1、模型训练离不开大量丰富的数据，数据一般通过公开数据集或者数据购买获得。训练数据集的选择购买具有以下挑战：首先，数据集价值难以评估，和传统商品不同，数据具有场景适用性，在不同场景中数据的价值不同；其次，数据具有可复制、易泄露等特点，为保护数据隐私，数据提供方在数据交易过程中一般只愿意提供少量样本数据，数据需求方只能通过少量样本数据评估整体数据价值，同时数据可用不可见，为了防止数据泄露，数据需求方只能使用数据，而无法将数据下载到本地进行本地训练，这为数据交易场景中数据需求方的选择购买带来了很大挑战。
2、现有的关于数据选择推荐的方法集中在数据特征选择和数据样本选择两方面。现有数据特征选择方法主要分为基于评价策略的特征选择、基于搜索策略的特征选择以及基于不同监督信息的特征选择。基于评价策略的特征选择通过定义特征的重要性评价标准，如信息增益、相关系数等来评估特征的有效性。在模型训练前使用过滤式特征选择方法，同时考虑后续学习器的差异使...
【技术保护点】
1.一种基于元学习和强化学习的图片数据推荐方法，其特征在于，应用于由一个数据需求方和M个数据提供方所组成的推荐场景中，并按如下步骤进行：
2.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤3.1包括：
3.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤3.2包括：
4.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤4包括：
5.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步
<...【技术特征摘要】
1.一种基于元学习和强化学习的图片数据推荐方法，其特征在于，应用于由一个数据需求方和m个数据提供方所组成的推荐场景中，并按如下步骤进行：
2.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤3.1包括：
3.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤3.2包括：
4.根据权利要求1所述的一种基于元学习和强化学习的图片数据推荐方法，其特征在于，所述步骤4包括：<...
【专利技术属性】
技术研发人员：杨兴革，刘业政，柴一栋，曾竣谦，
申请(专利权)人：合肥工业大学，
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。