[发明专利]一种模型训练方法和装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取当前训练周期的基准训练模型；所述基准训练模型具有对应于所述当前训练周期的多个稀疏特征参数；

基于所述当前训练周期的训练用数据，训练所述基准训练模型、以及训练所述基准训练模型具有的所述稀疏特征参数；

针对每一个所述稀疏特征参数，根据训练结果判断所述稀疏特征参数是否满足预设的特征更新条件，如果是，则将所述稀疏特征参数作为下一个训练周期的稀疏特征参数；否则，删除所述稀疏特征参数。

2.根据权利要求1所述的方法，其特征在于，所述判断训练结果中所述稀疏特征参数是否满足预设的特征更新条件，包括：

确定所述稀疏特征参数对应的生成时间戳；

计算当前时间戳与所述生成时间戳之间的时间差值；

在所述时间差值小于或等于设定时间阈值的情况下，确定所述稀疏特征参数满足预设的特征更新条件；

在所述时间差值大于设定时间阈值的情况下，确定所述稀疏特征参数不满足预设的特征更新条件。

3.根据权利要求1所述的方法，其特征在于，还包括：

针对每一个所述稀疏特征参数，执行下述操作：

确定所述稀疏特征参数对应的初始标识；

在所述初始标识指示为未初始化的情况下，为所述稀疏特征参数设置设定特征参数；

在所述初始标识指示为已初始化的情况下，确定所述稀疏特征参数的参数值；

所述基于所述当前训练周期的训练用数据、所述多个稀疏特征参数，训练所述基准训练模型，包括：

基于所述当前训练周期的训练用数据、每一个所述稀疏特征参数的设定特征参数或者参数值，训练所述基准训练模型。

4.根据权利要求3所述的方法，其特征在于，所述判断训练结果中所述稀疏特征参数是否满足预设的特征更新条件，包括：

判断训练结果中所述稀疏特征参数的设定特征参数或者参数值是否存在更新，如果存在，则在所述稀疏特征参数的初始标识指示为已初始化的情况下，确定所述稀疏特征参数满足预设的特征更新条件。

5.根据权利要求4所述的方法，其特征在于，判断出训练结果中所述稀疏特征参数的设定特征参数或者参数值存在更新之后，进一步包括：

为所述稀疏特征参数预设的指示访问情况的指标值进行增值操作；

在所述稀疏特征参数的初始标识指示为未初始化的情况下，

判断所述稀疏特征参数的指示访问情况的指标值的增值结果是否大于设定阈值，如果是，则确定所述稀疏特征参数满足预设的特征更新条件。

6.根据权利要求5所述的方法，其特征在于，在判断出所述稀疏特征参数的指示访问情况的指标值的增值结果大于设定阈值之后，还包括：

将所述稀疏特征参数的初始标识更新为已初始化。

7.根据权利要求1所述的方法，其特征在于，

基于所述当前训练周期的训练用数据，训练所述基准训练模型、以及训练所述基准训练模型具有的所述稀疏特征参数，包括：

基于多个设定时间范围内生成的真实数据的时间顺序、多个设定时间范围内生成的真实数据，迭代训练所述基准训练模型以及所述基准训练模型具有的所述稀疏特征参数。

8.根据权利要求7所述的方法，其特征在于，

迭代训练所述基准训练模型以及所述基准训练模型具有的所述稀疏特征参数，包括：

针对每一个迭代周期，执行下述操作：

根据多个设定时间范围内生成的真实数据的时间顺序，选择与当前迭代周期相匹配的目标设定时间范围内生成的真实数据；

基于与当前迭代周期相匹配的目标设定时间范围内生成的真实数据，训练上一个迭代周期训练出的模型以及所述模型具有的所述稀疏特征参数。