[发明专利]数据识别模型的训练方法、装置及存储介质

说明书

本发明提出一种数据识别模型的训练方法、装置及存储介质，数据识别模型包括：多层识别逻辑，该方法包括确定第一数据基于不同识别逻辑下的预设指标的实际值，得到与每层识别逻辑对应的实际值，其中，第一数据为海量的评论数据；根据实际值确定是否需要对初始的数据识别模型进行迭代训练；在确定需要进行迭代训练时，获取初始的数据识别模型的训练数据集，训练数据集用于对数据识别模型进行初始的训练；按照预设策略，根据第一数据对训练数据集进行更新，得到新数据集，并根据新数据集对初始的数据识别模型进行自动化迭代训练。通过本发明能够结合海量的评论数据实现数据识别模型的自动化迭代更新训练，释放人力成本，提升模型识别精准度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据识别模型的训练方法、装置及存储介质。

背景技术

随着网络技术的发展，互联网中出现越来越多的以用户为主导的交互性应用平台，在交互性应用平台中，用户既是内容的浏览者，也是内容的创造者，由此不断产生大量的网民原创性内容。网民原创性内容中会经常出现大量的广告信息，影响整体内容质量和用户体验，因此，对原创性内容中出现的广告进行识别是保证原创性内容质量的重要手段。

相关技术中，对广告进行识别方法，均是在固定训练数据集上通过不同机器学习方式训练一个数据识别模型，并通过优化训练数据集，或者优化模型参数，使得这种方法在固定训练数据集上取得不错的广告识别效果。

这种方式下，由于实际应用场景中广告数据形式千变万化，大量不断出现的新广告变体使得在历史训练数据集上训练的数据识别模型，在对新出现的广告变体进行识别时的效果差强人意，并且，由人工对数据识别模型进行标注迭代的时效性较低，且耗费较多人力成本。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种数据识别模型的训练方法，能够结合海量的评论数据实现数据识别模型的自动化迭代更新训练，释放人力成本，提升模型识别精准度。

本发明的另一个目的在于提出一种数据识别模型的训练装置。

本发明的另一个目的在于提出一种非临时性计算机可读存储介质。

本发明的另一个目的在于提出一种计算机程序产品。

为达到上述目的，本发明第一方面实施例提出的数据识别模型的训练方法，所述数据识别模型包括：多层识别逻辑，包括：确定第一数据基于不同识别逻辑下的预设指标的实际值，得到与每层识别逻辑对应的实际值，其中，所述第一数据为海量的评论数据；根据所述实际值确定是否需要对初始的数据识别模型进行迭代训练；在确定需要进行迭代训练时，获取所述初始的数据识别模型的训练数据集，所述训练数据集用于对所述数据识别模型进行初始的训练；按照预设策略，根据所述第一数据对所述训练数据集进行更新，得到新数据集，并根据所述新数据集对所述初始的数据识别模型进行自动化迭代训练。

本发明第一方面实施例提出的数据识别模型的训练方法，通过在确定需要对初始的数据识别模型进行迭代训练时，获取初始的数据识别模型的训练数据集，训练数据集用于对数据识别模型进行初始的训练，按照预设策略，根据第一数据对训练数据集进行更新，得到新数据集，并根据新数据集对初始的数据识别模型进行自动化迭代训练，其中的第一数据为海量的评论数据，能够结合海量的评论数据实现数据识别模型的自动化迭代更新训练，释放人力成本，提升模型识别精准度。