[发明专利]模型的数据域扩张方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种模型的数据域扩张方法，其特征在于，包括：

使用第一数据域的第一数据集对人工智能模型进行训练，得到针对第一数据域的第一已训练模型；

使用第一数据域和第二数据域的第二数据集进行基于域适应的模型迁移，得到适应于第二数据域的第二已训练模型；

将所述第一已训练模型和所述第二已训练模型同时作为教师模型进行知识蒸馏，得到域扩张后的第三模型。

2.根据权利要求1所述的方法，其特征在于，所述进行知识蒸馏包括：

以所述第三模型作为学生模型进行机器学习，当输入数据是第一数据域中数据时，所述第三模型学习第一已训练模型的输出；当输入数据是第二数据域中数据时，所述第三模型学习第二已训练模型的输出。

3.根据权利要求1所述的方法，其特征在于，所述第一数据集中的数据为来自第一数据域且带有标注的数据；所述第二数据集中的数据为来自第一数据域且带有标注的数据和来自第二数据域不带标注或带有少量标注的数据。

4.根据权利要求1所述的方法，其特征在于，所述域适应为无监督和/或半监督类型，包括基于分布的域适应、基于对抗性的域适应和基于重建的域适应中至少一种。

5.一种模型的数据域扩张装置，其特征在于，包括：

模型训练模块，用于使用第一数据域的第一数据集对人工智能模型进行训练，得到针对第一数据域的第一已训练模型；

模型迁移模块，用于使用第一数据域和第二数据域的第二数据集进行基于域适应的模型迁移，得到适应于第二数据域的第二已训练模型；

模型蒸馏模块，用于将所述第一已训练模型和所述第二已训练模型同时作为教师模型进行知识蒸馏，得到域扩张后的第三模型。

6.根据权利要求5所述的装置，其特征在于，所述模型蒸馏模块包括：

蒸馏学习模块，用于以所述第三模型作为学生模型进行机器学习；其中，当输入数据是第一数据域中数据时，所述第三模型学习第一已训练模型的输出；当输入数据是第二数据域中数据时，所述第三模型学习第二已训练模型的输出。

7.根据权利要求5所述的装置，其特征在于，所述第一数据集中的数据为来自第一数据域且带有标注的数据；所述第二数据集中的数据为来自第一数据域且带有标注的数据和来自第二数据域不带标注或带有少量标注的数据。

8.根据权利要求5所述的装置，其特征在于，所述域适应为无监督和/或半监督类型，包括基于分布的域适应、基于对抗性的域适应和基于重建的域适应中至少一种。

9.一种电子设备，其特征在于，包括：

存储器以及一个或多个处理器；

其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如权利要求1-4任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如权利要求1-4任一项所述的方法。