CN113066479A

CN113066479A - 一种评测模型的方法和装置

Info

Publication number: CN113066479A
Application number: CN201911273129.9A
Authority: CN
Inventors: 王哲
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Priority date: 2019-12-12
Filing date: 2019-12-12
Publication date: 2021-07-02

Abstract

本发明公开了一种评测模型的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定各领域的资源的使用占比率；对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；利用所述测试集评测预训练的模型。该实施方式构造的测试集能够体现应用场景的特点，该测试集中的数据分布符合应用场景中实际处理的数据分布规律，通过该测试集对模型进行评测可以更准确的确定模型的准确率，从而对模型进行优化。

Description

一种评测模型的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种评测模型的方法和装置。

背景技术

随着机器学习算法的不断发展，越来越多的领域应用到机器学习模型。训练机器学习模型的目的是使用已有的数据来预测未知的数据，通常将模型对未知数据的预测能力称为泛化能力。为了评估一个模型的泛化能力，会将数据随机划分成训练集和测试集，训练集用来训练模型，测试集用来评估模型的泛化能力。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：训练集和测试集划分单一，不能体现应用场景的特点。

发明内容

有鉴于此，本发明实施例提供一种评测模型的方法和装置，该评测模型的方法和装置构造的测试集能够体现应用场景的特点，该测试集中的数据分布符合应用场景中实际处理的数据分布规律，通过该测试集对模型进行评测可以更准确的确定模型的准确率，从而对模型进行优化。

为实现上述目的，根据本发明实施例的一个方面，提供了一种评测模型的方法，包括：确定各领域的资源的使用占比率；对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；利用所述测试集评测预训练的模型。

在可选的实施例汇总，确定各领域的资源的使用占比率包括：统计在预设时间段内各领域的话术量；对于每一领域，将所述领域的话术量与所有领域的话术量之和的比值作为所述领域的使用占比率。

在可选的实施例中，利用所述测试集评测预训练的模型包括：

将所述测试集中的每条话术进行标注，以确定每条话术所属的领域、每条话术的目的以及每条话术的关键字；

将所述测试集中的每条话术输入预训练的模型，得到处理结果，所述处理结果包括所述预训练的模型预测的每条话术所属的领域、每条话术的目的以及每条话术的关键字；

对于每条话术，分别对比标注的领域和预测的领域、标注的目的和预测的目的、标注的关键字和预测的关键字；

根据对比结果，评测所述预训练的模型。

在可选的实施例中，所述对比结果包括：领域精准率、领域召回率、目的精准率、目的召回率、关键字精准率和关键字召回率；

根据对比结果，评测所述预训练的模型包括：

根据领域精准率和领域召回率，确定领域F1值；根据目的精准率和目的召回率，确定目的F1值；根据关键字精准率和关键字召回率，确定关键字F1值；

根据所述领域F1值、目的F1值和关键字F1值，评测所述预训练的模型。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种评测模型的装置，包括：占比确定模块，用于确定各领域的资源的使用占比率；测试集生成模块，用于对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；评测模块，用于利用所述测试集评测预训练的模型。

在可选的实施例中，所述占比确定模块还用于：统计在预设时间段内各领域的话术量；对于每一领域，将所述领域的话术量与所有领域的话术量之和的比值作为所述领域的使用占比率。

在可选的实施例中，所述评测模块还用于：

根据对比结果，评测所述预训练的模型。

所述评测模块还用于：根据领域精准率和领域召回率，确定领域F1值；根据目的精准率和目的召回率，确定目的F1值；根据关键字精准率和关键字召回率，确定关键字F1值；根据所述领域F1值、目的F1值和关键字F1值，评测所述预训练的模型。

为实现上述目的，根据本发明实施例的又一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的评测模型的方法。

为实现上述目的，根据本发明实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，述程序被处理器执行时实现本发明实施例的评测模型的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过确定各领域的资源的使用占比率；对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；利用所述测试集评测预训练的模型的技术手段，可以更准确的确定模型的准确率，从而对模型进行优化。本发明实施例的方法构造的测试集能够体现应用场景的特点，该测试集中的数据分布符合应用场景中实际处理的数据分布规律，通过该测试集对模型进行评测可以更准确的确定模型的准确率。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明实施例的评测模型的方法的主要流程的示意图；

图2是本发明实施例的评测模型的方法的子流程的示意图；

图3是本发明实施例的评测模型的装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是本发明实施例的评测模型的方法的主要流程的示意图。本发明实施例的方法可以应用于语音识别领域，即本发明实施例的方法可以用于评测语音识别模型的优劣。如图1所示，该方法包括：

步骤S101：确定各领域的资源的使用占比率。

在本实施例中，领域可以根据智能设备(如智能音箱)提供的各种资源的分类进行划分，如音乐、FM、视频、百科等领域。

具体的，该步骤可以包括：

统计在预设时间段内各领域的话术量；

对于每一领域，将所述领域的话术量与所有领域的话术量之和的比值作为所述领域的使用占比率。

其中，预设时间段可以根据场景需求灵活设置，本发明在此不做限制。在本实施例中，统计在预设时间段内各领域的话术量可以获取用户的真实使用情况，根据用户的真实使用情况计算得到各领域的资源的使用占比率更符合真实情况，更能体现应用场景的特点。

步骤S102：对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集。

在本步骤中，该高频话术可以通过如下过程获取：对于某一领域，可以先获取该领域的话术，然后统计各条话术出现的频次，并按照出现频次由大到小的顺序进行排序，然后按照与该领域对应的使用占比率提取排序靠前的话术。

作为示例，假设领域A的使用占比率为50％，待生成的测试集需要3000条话术，对于领域A，需要获取1500条话术，则需要从领域A的所有话术中提取排序靠前的前1500条话术。

步骤S103：利用所述测试集评测预训练的模型。

具体的，如图2所示，该步骤包括如下子步骤：

步骤S201：将所述测试集中的每条话术进行标注，以确定每条话术所属的领域、每条话术的目的以及每条话术的关键字；

步骤S202：将所述测试集中的每条话术输入预训练的模型，得到处理结果，所述处理结果包括所述预训练的模型预测的每条话术所属的领域、每条话术的目的以及每条话术的关键字；

步骤S203：对于每条话术，分别对比标注的领域和预测的领域、标注的目的和预测的目的、标注的关键字和预测的关键字；

步骤S204：根据对比结果，评测所述预训练的模型。

对于步骤S201，对测试集中的每条话术进行人工标注，标注出每条话术的Domain(领域)、Intent(目的)和Slot(关键字)。其中，关键字可以资源的特征设置不同的关键字，例如对于音乐，关键字可以是演唱者和歌曲名称。

对于步骤S203，可以将对比一致的标记为正确，对比不一致的标记为错误。

对于步骤S204，所述对比结果包括：领域精准率、领域召回率、目的精准率、目的召回率、关键字精准率和关键字召回率。

其中，精准率是指预测结果属于某一类的个体，实际属于该类的比例。召回率是指被正确预测为某个类别的个体数量与数据集中该类别个体总量的比例。具体的，领域精准率等于实际属于该领域的话术量与预测为该领域的话术量的比值，领域召回率等于实际属于该领域的话术量与标注为该领域的话术量之比。例如，对于音乐领域，其精准率等于正确预测为音乐领域的话术量与所有预测为音乐领域的话术量，其召回率等于正确预测为音乐领域的话术量与标注为音乐领域的话术量。

在确定对比结果之后，根据该对比结果评测预训练的模型，具体的包括：

其中，F1值是对精准率和召回率进行平均的一个结果。具体的，根据下式计算F1值：

则在本实施例中，领域F1值、目的F1值、关键字F1值根据下式计算：

其中，领域精准率均值为各个领域的精准率的平均值，领域召回率均值为各个领域的召回率的平均值。同理，目的精准率均值为各个目的的精准率的平均值，目的召回率均值为各个目的的召回率的平均值。关键字精准率均值为各个关键字的精准率的平均值，关键字召回率均值为各个关键字的召回率的平均值。

图3是本发明实施例的评测模型的装置300的主要模块的示意图，如图3所示，该装置300包括：

占比确定模块301，用于确定各领域的资源的使用占比率；

测试集生成模块302，用于对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；

评测模块303，用于利用所述测试集评测预训练的模型。

该高频话术可以通过如下过程获取：对于某一领域，可以先获取该领域的话术，然后统计各条话术出现的频次，并按照出现频次由大到小的顺序进行排序，然后按照与该领域对应的使用占比率提取排序靠前的话术。作为示例，假设领域A的使用占比率为50％，待生成的测试集需要3000条话术，对于领域A，需要获取1500条话术，则需要从领域A的所有话术中提取排序靠前的前1500条话术。

在可选的实施例中，所述占比确定模块301还用于：统计在预设时间段内各领域的话术量；对于每一领域，将所述领域的话术量与所有领域的话术量之和的比值作为所述领域的使用占比率。其中，预设时间段可以根据场景需求灵活设置，本发明在此不做限制。在本实施例中，统计在预设时间段内各领域的话术量可以获取用户的真实使用情况，根据用户的真实使用情况计算得到各领域的资源的使用占比率更符合真实情况，更能体现应用场景的特点。

在可选的实施例中，所述评测模块303还用于：

根据对比结果，评测所述预训练的模型。

在对测试集中的每条话术进行人工标注，标注出每条话术的Domain(领域)、Intent(目的)和Slot(关键字)。其中，关键字可以资源的特征设置不同的关键字，例如对于音乐，关键字可以是演唱者和歌曲名称。

在可选的实施例中，所述对比结果包括：领域精准率、领域召回率、目的精准率、目的召回率、关键字精准率和关键字召回率。

所述评测模块303还用于：根据领域精准率和领域召回率，确定领域F1值；根据目的精准率和目的召回率，确定目的F1值；根据关键字精准率和关键字召回率，确定关键字F1值；根据所述领域F1值、目的F1值和关键字F1值，评测所述预训练的模型。

本发明实施例的评测模型的装置，通过确定各领域的资源的使用占比率；对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；利用所述测试集评测预训练的模型的技术手段，可以更准确的确定模型的准确率，从而对模型进行优化。本发明实施例的装置构造的测试集能够体现应用场景的特点，该测试集中的数据分布符合应用场景中实际处理的数据分布规律，通过该测试集对模型进行评测可以更准确的确定模型的准确率。

上述装置可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

图4示出了可以应用本发明实施例的评测模型的方法或评测模型的装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。

需要说明的是，本发明实施例所提供的评测模型的方法一般由服务器405执行，相应地，评测模型的装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：

确定各领域的资源的使用占比率；

对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；

利用所述测试集评测预训练的模型。

本发明实施例的技术方案，通过确定各领域的资源的使用占比率；对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；利用所述测试集评测预训练的模型的技术手段，可以更准确的确定模型的准确率，从而对模型进行优化。本发明实施例的方法构造的测试集能够体现应用场景的特点，该测试集中的数据分布符合应用场景中实际处理的数据分布规律，通过该测试集对模型进行评测可以更准确的确定模型的准确率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种评测模型的方法，其特征在于，包括：

确定各领域的资源的使用占比率；

利用所述测试集评测预训练的模型。

2.根据权利要求1所述的方法，其特征在于，确定各领域的资源的使用占比率包括：

统计在预设时间段内各领域的话术量；

3.根据权利要求1所述的方法，其特征在于，利用所述测试集评测预训练的模型包括：

根据对比结果，评测所述预训练的模型。

4.根据权利要求3所述的方法，其特征在于，所述对比结果包括：领域精准率、领域召回率、目的精准率、目的召回率、关键字精准率和关键字召回率；

根据对比结果，评测所述预训练的模型包括：

5.一种评测模型的装置，其特征在于，包括：

占比确定模块，用于确定各领域的资源的使用占比率；

测试集生成模块，用于对于每一领域，获取与所述领域的资源的使用占比率对应的高频话术，将获取的各领域的话术组成测试集；

评测模块，用于利用所述测试集评测预训练的模型。

6.根据权利要求5所述的装置，其特征在于，所述占比确定模块还用于：

统计在预设时间段内各领域的话术量；

7.根据权利要求5所述的装置，其特征在于，所述评测模块还用于：

根据对比结果，评测所述预训练的模型。

8.根据权利要求7所述的装置，其特征在于，所述对比结果包括：领域精准率、领域召回率、目的精准率、目的召回率、关键字精准率和关键字召回率；

所述评测模块还用于：

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。