[发明专利]一种迁移学习的实现方法、建模方法和装置

说明书

一种迁移学习的实现方法、建模方法和装置，其中，所述迁移学习的实现方法包括：确定用于训练的源域数据和目标域数据；根据所述用于训练的源域数据和目标域数据，通过训练构建生成对抗网络；所述生成对抗网络包括：生成模型和对抗识别模型，生成模型用于将源域数据转换为迁移后的目标域数据，所述对抗识别模型用于对真实的目标域数据和迁移后的目标域数据进行识别；通过所述生成对抗网络将待迁移的源域数据转换为迁移后的目标域数据。本申请实施例可以通过生成对抗网络将待迁移的源域数据自动转换为迁移后的目标域数据，无需人工设计映射逻辑，也无需人工选择实例和共享参数，可以将一业务领域数据自动化迁移到另一业务领域。

技术领域

本文涉及迁移学习领域，尤指一种迁移学习的实现方法、建模方法和装置。

背景技术

迁移学习是给定了源域(source domain)和源任务(source task)、目标域(target domain)和目标任务(target task)，利用源域在解决任务中获得一些知识来提升目标任务的一种算法。例如，学会了骑自信车，很容易学会骑摩托车，学会了编程语言C，则很容易学会其它变成语言，人类可以将一类的知识迁移应用到其它相似场景的应用，达到举一反三的效果。

企业在某个业务场景中积累了丰富的数据样本，而在新的业务场景中只有少量的数据样本，例如金融信贷场景，企业积累了丰富的线下业务场景数，企业想从事线上业务场景，而由于缺少线上业务场景的业务数据，而无法对信贷主体进行风险识别，如果能将其在线下积累发丰富业务数据应用于线上业务，则可以较短时间内建立线上业务的风险识别能力。

相关技术中，有基于实例的迁移方法、基于特征的迁移方法、基于共享参数的迁移方法等，但是，相关技术的迁移学习方法需要领域专家基于其领域知识，人工进行实例的选择，建立特征的映射关系，经验判断共享参数值，无法较灵活和便捷将一个业务领域的数据快速、自动地转换为另一业务场景的数据。

发明内容

本申请提供了一种迁移学习的实现方法、建模方法和装置，以将源域数据自动转换为目标域数据。

本申请实施例提供了一种迁移学习的实现方法，包括：

确定用于训练的源域数据和目标域数据；

根据所述用于训练的源域数据和目标域数据，通过训练构建生成对抗网络；所述生成对抗网络包括：生成模型和对抗识别模型，生成模型用于将源域数据转换为迁移后的目标域数据，所述对抗识别模型用于对真实的目标域数据和迁移后的目标域数据进行识别；

通过所述生成对抗网络将待迁移的源域数据转换为迁移后的目标域数据。

本申请实施例还提供一种迁移学习的建模方法，包括：

确定用于训练的源域数据和目标域数据；

根据所述用于训练的源域数据和目标域数据，通过训练构建生成对抗网络；所述生成对抗网络包括：生成模型和对抗识别模型，生成模型用于将源域数据转换为迁移后的目标域数据，所述对抗识别模型用于对真实的目标域数据和迁移后的目标域数据进行识别。

本申请实施例还提供一种迁移学习的实现装置，包括：

训练数据模块，用于确定用于训练的源域数据和目标域数据；

生成对抗网络模块，用于根据所述用于训练的源域数据和目标域数据，通过训练构建生成对抗网络；所述生成对抗网络包括：生成模型和对抗识别模型，生成模型用于将源域数据转换为迁移后的目标域数据，所述对抗识别模型用于对真实的目标域数据和迁移后的目标域数据进行识别；

迁移模块，用于通过所述生成对抗网络将待迁移的源域数据转换为迁移后的目标域数据。

本申请实施例还提供一种迁移学习的建模装置，包括：