CN115618237A - 一种模型训练的方法、装置、存储介质及电子设备 - Google Patents

Abstract

本说明书提供了一种模型训练的方法、装置、存储介质及电子设备。在本说明书提供的模型训练方法中，获取训练样本、样本标签以及打标环境信息；将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。采用本说明书提供的模型训练方法对模型进行有监督训练时，能够根据样本标签的可信程度对模型的输出结果进行修正，保证模型的训练效果，同时使标签的利用率最大化。

Description

一种模型训练的方法、装置、存储介质及电子设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种模型训练的方法、装置、存储介质及电子设备。

背景技术

目前，有监督训练是在模型训练中被广泛使用的方法之一。在有监督训练中，主要会根据样本的标签与被训练的模型的输出结果来对模型的参数进行调整。因此，样本标签是否准确对模型的训练效果起着决定性的作用。

然而，在实际对模型的训练中，往往无法保证训练的标签都是准确的，例如，不同打标用户对样本的理解不同，打出的标签可能也不同；再例如，打标过程中可能会出现恶意打标，故意对样本打上错误的标签。由于上述种种原因，以及用户对自身隐私数据的保护，可能会导致模型在训练时采用了不准确、甚至是错误的标签，最终使模型的训练效果变差。

因此，如何在标签可能有误的情况下保证较好的模型训练效果是一个亟待解决的问题。

发明内容

本说明书提供一种模型训练方法及模型训练装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种模型训练的方法，包括：

获取训练样本、样本标签以及打标环境信息；

将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；

将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；

根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；

以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

可选地，获取训练样本、样本标签以及打标环境信息，具体包括：

根据用户执行的业务确定训练样本；

获取用户执行所述业务的执行结果，根据所述执行结果确定样本标签；

根据所述用户执行所述业务时对应的环境信息，确定打标环境信息。

可选地，根据所述用户在执行业务时对应的环境信息，确定打标环境信息，具体包括：

确定所述用户执行业务时采集的时间信息、位置信息、环境信息以及所述用户的用户特征中的至少一种，作为打标环境信息；和/或，

根据所述用户的用户标识，确定所述用户的用户画像和历史打标信息中的至少一种，作为打标环境信息。

可选地，根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果，具体包括：

根据所述样本标签的置信度，判断所述样本标签是否可信；

当确定所述样本标签不可信时，调整所述目标模型的输出结果，得到修正结果。

可选地，根据所述样本标签的置信度，判断所述样本标签是否可信，具体包括：

当所述样本标签的置信度不小于指定阈值时，确定所述样本标签可信；

当所述样本标签的置信度小于指定阈值时，确定所述样本标签不可信。

可选地，所述目标模型为概率预测模型；

调整所述目标模型的输出结果，得到修正结果，具体包括：

将所述置信度作为权重，对所述目标模型输出的概率进行加权，确定修正结果。

可选地，所述目标模型为二分类模型；

调整所述目标模型的输出结果，得到修正结果，具体包括：

将所述目标模型的输出结果反置，得到修正结果。

本说明书提供了一种模型训练装置，包括：

获取模块，用于获取训练样本、样本标签以及打标环境信息；

输入模块，用于将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；

置信模块，用于将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；

调整模块，用于根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；

训练模块，用于以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型训练的方法。

本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述模型训练的方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

在本说明书提供的模型训练方法中，获取训练样本、样本标签以及打标环境信息；将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。采用本说明书提供的模型训练方法对模型进行有监督训练时，能够根据样本标签的可信程度对模型的输出结果进行修正，保证模型的训练效果，同时使标签的利用率最大化。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书中提供的一种模型训练方法的流程示意图；

图2为本说明书提供的一种模型训练装置的示意图；

图3为本说明书提供的一种对应于图1的电子设备示意图。

具体实施方式

在对模型进行有监督训练时，训练样本对应的样本标签的准确程度会极大地影响模型最终的训练效果。在理想状态下，所有的样本标签都是准确的时，模型能够取得最好的训练效果。但在现实中，由于打标用户在打标的过程中存在许多不可控因素，因此难免会出现一些并不准确，甚至是完全错误的样本标签，这部分样本标签会使模型的训练效果大打折扣。

目前，为了解决这一问题，在对模型训练前，会采用交叉打标的方式对训练样本进行打标。交叉打标指在打标的过程中，采用至少两个打标用户对相同的训练样本进行打标，由此一来，每个训练样本便存在多个不同的样本标签。如果不同打标用户对同一训练样本打下的标签全都相同，那么便保留下该训练样本与样本标签用于训练；反之，如果不同打标用户对同一训练样本打下的标签存在差异，那么便舍弃掉这一样本。由此，便能够保证得到的训练样本的样本标签均为正确的。

然而，虽然这种交叉打标的方法对样本标签能够保证较高的准确率，但却在打标的过程中舍弃了大量的训练样本，减少了模型能够得到的训练量。同时，在某些场景下并不能采用交叉打标的方式，例如在被认知时主观性影响较大的问题或事物，不同的打标用户可能会根据自身的主观认知给出不同的标签，并不存在对错之分。因此，现有的交叉打标的方法仍存在着较大的弊端。

由此，本说明书提供了一种模型训练的方法，以解决上述问题。

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书中提供的一种模型训练的方法的流程示意图，包括以下步骤：

S100：获取训练样本、样本标签以及打标环境信息。

在本说明书中，用于实现模型训练方法的执行主体，可以指服务器等设置于业务平台的指定设备，为了便于描述，本说明书仅以服务器是执行主体为例，对本说明书提供的一种模型训练的方法进行说明。

需要说明的是，本说明书中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

本说明书提供的模型训练方法主要应用于有监督训练中，在无其它说明的情况下，本说明书中提到的模型训练均为有监督训练。

在对任何模型进行有监督训练时，训练样本与对应的标签都是必要的。因此，在此步骤中，会首先获取训练样本与对应的样本标签。其中，根据需要训练的模型不同，训练样本可以是任意能够用于训练的样本；样本标签为用户人工为训练样本确定的标签。在本说明书提供的模型训练方法中，在无其他说明的情况下，用户均表示对训练样本进行打标的打标用户。

通常情况下，对于专业的打标人员来说，在完成打标任务时很少会出现误打标或故意打错标签的情况。因此，本说明书提供的模型训练方法主要针对采用根据用户执行业务时收集的标签对模型进行训练。

用户在执行部分业务时，能够在执行业务的过程中，实现对训练样本的打标，生成可以用于训练的样本标签。例如，常见的人机验证会让用户在若干图像中挑选出满足指定条件的图像，而用户挑选图像的过程实际上就可以看作是为图像打标的过程，而在人机验证中采用的图像便可作为训练样本，用于模型的训练；又例如，用户在填写调查问卷时，用户对部分问题的回答相当于对问题进行了打标。采用这种方式，能够较为轻松的获取大量的训练样本与对应的样本标签。

由此，可以将用户执行业务的过程看作打标的过程，收集样本标签。具体的，可根据用户执行的业务确定训练样本；获取用户执行所述业务的执行结果，根据所述执行结果确定样本标签；根据所述用户执行所述业务时对应的环境信息，确定打标环境信息。

可以想到的，用户在执行业务时并不一定会认真执行每一个步骤，例如，用户在进行人机验证时随意点击几个图像，或是在填写调查问卷时随意编造一些答案。因此，根据用户执行的业务所采集到的样本标签并不一定准确，如果直接采用这些样本标签对模型进行训练，可能反而会使模型的效果下降。

而在本说明书提供的模型训练方法中，除了能够获取基本的训练样本与样本标签外，还能够获取到训练样本的打标环境信息。打标环境信息表示打标的用户，也就是执行相应业务的用户在对训练样本进行打标时所处的状态与环境。具体的，在确定打标环境信息时，可确定所述用户执行业务时采集的时间信息、位置信息、环境信息以及所述用户的用户特征中的至少一种，作为打标环境信息；和/或，根据所述用户的用户标识，确定所述用户的用户画像和历史打标信息中的至少一种，作为打标环境信息。

其中，时间信息可以指用户执行业务时的时刻或所处的时间段，位置信息可以指用户执行业务时所在的真实地理位置以及虚拟的互联网协议地址（Internet ProtocolAddress，IP地址），环境信息可以指用户执行业务时的天气、软/硬件环境、空间环境等；用户特征可包括例如打标用户的面部表情以及心率、血压等各项生理数据；用户的用户画像可包括但不限于用户的年龄、性别、用户标识等信息；历史打标信息可包括打标用户在历史上完成过多少次打标、对哪些样本完成过打标以及打标的准确率等。

综上，在此步骤中，会获取到训练样本的样本信息、样本标签以及打标环境信息，用于后续的步骤中。

S102：将所述样本信息输入待训练的目标模型中，确定所述目标模型的输出结果。

当获取到足够的训练样本后，便可以将训练样本的样本信息输入到需要训练的目标模型中，开始对目标模型进行训练。可以想到的，目标模型会根据输入的样本信息输出对应的输出结果。

S104：将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度。

除了需要训练的目标模型本身外，本说明书提供的模型训练方法中还额外存在独立的置信度网络，可用于根据步骤S100中得到的打标环境信息，输出对应的训练样本的样本标签的置信度，其中，一个训练样本的样本标签的置信度代表该训练样本的样本标签的可信程度，用于衡量样本标签是否为真实、正确或样本标签的准确程度。置信度的取值范围为[0，1]。

一个样本标签的置信度越高，就表明该样本标签越可信，该样本标签的准确度就越高，越有可能是正确的标签；反之，一个样本标签的置信度越低，就表明该样本标签越不可信，该样本标签的准确度就越低，越有可能是错误的标签。

S106：根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果。

在步骤S104中确定出样本标签的置信度后，可根据样本标签的置信度来对目标模型的输出结果进行调整。由于样本标签并不一定是正确的标签，如果样本标签有误，那么正确结果就会和样本标签相差甚远，此时根据样本标签与输出结果之间的差异对目标模型进行训练反而会使目标模型的效果下降。

举例来说，假设目标模型的功能为判断一张图像上的动物是否为猫，此时，将一张猫的图像作为训练样本，输入给目标模型，无论目标模型处于训练的哪一个阶段，对目标模型的期望都是让输出的结果尽量向“是”这一结果靠近。而此时，如果这张图像对应的样本标签为“不是”，也就是错误的标签，那么训练后目标模型就会向错误的方向调整自身的参数，模型效果下降。

因此，在无法保证所有的样本标签均为准确无误的标签的情况下，可以根据得到的样本标签的置信度对目标模型的输出结果进行一定程度的调整，使调整后的修正结果趋于与样本标签对应的结果，从而使所有样本标签均起到正向的训练效果。

S108：以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

采用步骤S106中的方式对目标模型的输出结果进行调整后，便能够使所有样本标签都起到较好的训练作用。因此，此时无论样本标签是否准确，均可按照正常的训练方式，以修正结果与样本标签之间的差异最小为优化目标进行训练。

值得一提的是，在本说明书中，虽然置信度网络既可以作为单独的模型进行训练，也可以与目标模型一起进行训练。但在实际应用中，由于置信度网络输出的置信度，主要用于判断是否存在“恶意打标”或“无意中错误打标”的现象，而这种现象的标签是很难获取的。如果预先安排好打标用户刻意的去对训练样本打上错误的标签，那么此时的打标用户的各项信息与在进行“恶意打标”或“无意中错误打标”的用户肯定是不同的。可以看出，在很难获取真实的标签的情况下，单独训练置信度网络的难度较大。因此，在训练时通常会将目标模型与置信度网络一起训练，从而减少训练的难度与成本。

在采用本说明书提供的模型训练方法对目标模型进行训练时，可以针对每个训练样本，根据用户在对该训练样本进行打标时的打标环境信息，通过置信度网络确定出该训练样本的样本标签的置信度，并根据置信度调整目标模型在接收该训练样本的样本信息时的输出结果，使调整后的修正结果更加趋于样本标签对应的信息该有的结果，由此，在根据修正结果与样本标签对目标模型进行训练时，无论样本标签是否准确，都能够取得较好的训练效果。

额外的，在采用本说明书中的模型训练方法对目标模型进行训练时，根据目标模型的种类不同，在训练时采用的具体方式也可不同。本说明书在此提供两个具体实施例以解释说明。

当需要训练的目标模型是一个概率预测模型时，在将样本信息输入给目标模型后，目标模型会输出一个概率。此时，在调整所述目标模型的输出结果，得到修正结果时，可将所述目标模型输出的概率与所述置信度的乘积，确定为修正结果。由此，即可得到训练效果更好的修正结果。

例如，假设目标模型的功能为预测一个图像上的动物是猫的概率，当向目标模型中输入样本信息，也就是一个样本图像后，目标模型的输出结果为80%，即是猫的概率为80%，而置信度网络根据训练样本的打标环境信息输出的置信度为30%，那么此时就将置信度与概率的乘积80%×70%=24%作为修正结果，结合样本标签进行训练。

仍沿用上例，假如在上例中，样本标签为“是”，也就是100%，在置信度网络输出的置信度为30%的情况下，可以认为该样本标签大概率为错误的标签，也就是说真正的标签应该为“不是”，也即是0%。可以看出，输出结果与真正的标签之间存在着80%的差异，也就是说，如果在样本标签没有出现错误的情况下，应该是在模型输出有误的情况下以80%的差异对模型进行训练。而此时，当样本标签出现错误后，输出结果与样本标签之间只存在20%的差异，且会误认为模型输出正确。

而如果采用上述方法，利用置信度对模型的输出结果进行调整后，会得到30%×80=24%的修正结果。此时，在样本标签为100%的情况下，修正结果与样本标签之间存在着76%的差异，且认为模型的输出有误，与采用真实的标签进行训练时取得相似的效果。可以看出，上述对输出结果的调整有效地改善了错误的标签导致反向训练的情况。

同样的，在上例中，如果样本标签为“不是”，最终也能够取得同样的效果，本说明书在此不再进行赘述。

另一种情况，当需要训练的目标模型为二分类模型时，可采用另一种不同方式来对模型进行训练。由于二分类模型中只存在“是”和“否”，也就是1和0两种结果，因此，在对目标模型的输出结果进行调整时，只有从1调整为0或从0调整为1这种变化较大的调整。因此，在对输出结果进行调整之前，首先需要根据所述样本标签的置信度，判断所述样本标签是否可信；当确定所述样本标签不可信时，调整所述目标模型的输出结果，得到修正结果。而如果根据样本标签的置信度，判断出样本标签可信，那么就无需对输出结果进行调整。

根据样本标签的置信度判断样本标签是否可信的方法存在多种，例如，可当所述样本标签的置信度不小于指定阈值时，确定所述样本标签可信；当所述样本标签的置信度小于指定阈值时，确定所述样本标签不可信。其中，指定阈值可根据具体需求进行设置，通常可将指定阈值设定为50%。

在确定样本标签不可信后，由于目标模型只存在1和0两种输出，因此可将目标模型的输出结果调整为另一种。具体的，可将所述目标模型的输出结果反置，得到修正结果。换句话说，当目标模型的输出结果为1时，就将目标模型的输出结果调整为0，得到修正结果；当目标模型的输出结果为0时，就将目标模型的输出结果调整为1，得到修正结果。最终，在采用修正结果与样本标签进行训练时，便能够取得正向的训练效果。

以上为本说明书的一个或多个实施模型训练的方法，基于同样的思路，本说明书还提供了相应的模型训练装置，如图2所示。

图2为本说明书提供的一种模型训练装置的示意图，包括：

获取模块200，用于获取训练样本、样本标签以及打标环境信息；

输入模块202，用于将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；

置信模块204，用于将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；

调整模块206，用于根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；

训练模块208，用于以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

可选地，所述获取模块200，具体用于根据用户执行的业务确定训练样本；获取用户执行所述业务的执行结果，根据所述执行结果确定样本标签；根据所述用户执行所述业务时对应的环境信息，确定打标环境信息。

可选地，所述获取模块200，具体用于确定所述用户执行业务时采集的时间信息、位置信息、环境信息以及所述用户的用户特征中的至少一种，作为打标环境信息；和/或，根据所述用户的用户标识，确定所述用户的用户画像和历史打标信息中的至少一种，作为打标环境信息。

可选地，所述调整模块206，具体用于根据所述样本标签的置信度，判断所述样本标签是否可信；当确定所述样本标签不可信时，调整所述目标模型的输出结果，得到修正结果。

可选地，所述调整模块206，具体用于当所述样本标签的置信度不小于指定阈值时，确定所述样本标签可信；当所述样本标签的置信度小于指定阈值时，确定所述样本标签不可信。

可选地，所述目标模型为概率预测模型；

所述调整模块206，具体用于将所述置信度作为权重，对所述目标模型输出的概率进行加权，确定修正结果。

可选地，所述目标模型为二分类模型；

所述调整模块206，具体用于将所述目标模型的输出结果反置，得到修正结果。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种模型训练的方法。

本说明书还提供了图3所示的一种对应于图1的电子设备的示意结构图。如图3所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的模型训练的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (16)

1.一种模型训练的方法，包括：

获取训练样本、样本标签以及打标环境信息；

将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；

将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；

根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；

以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

2.如权利要求1所述的方法，获取训练样本、样本标签以及打标环境信息，具体包括：

根据用户执行的业务确定训练样本；

获取用户执行所述业务的执行结果，根据所述执行结果确定样本标签；

根据所述用户执行所述业务时对应的环境信息，确定打标环境信息。

3.如权利要求2所述的方法，根据所述用户在执行业务时对应的环境信息，确定打标环境信息，具体包括：

确定所述用户执行业务时采集的时间信息、位置信息、环境信息以及所述用户的用户特征中的至少一种，作为打标环境信息；和/或，

根据所述用户的用户标识，确定所述用户的用户画像和历史打标信息中的至少一种，作为打标环境信息。

4.如权利要求1所述的方法，根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果，具体包括：

根据所述样本标签的置信度，判断所述样本标签是否可信；

当确定所述样本标签不可信时，调整所述目标模型的输出结果，得到修正结果。

5.如权利要求4所述的方法，根据所述样本标签的置信度，判断所述样本标签是否可信，具体包括：

当所述样本标签的置信度不小于指定阈值时，确定所述样本标签可信；

当所述样本标签的置信度小于指定阈值时，确定所述样本标签不可信。

6.如权利要求1所述的方法，所述目标模型为概率预测模型；

调整所述目标模型的输出结果，得到修正结果，具体包括：

将所述置信度作为权重，对所述目标模型输出的概率进行加权，确定修正结果。

7.如权利要求4所述的方法，所述目标模型为二分类模型；

调整所述目标模型的输出结果，得到修正结果，具体包括：

将所述目标模型的输出结果反置，得到修正结果。

8.一种模型训练装置，包括：

获取模块，用于获取训练样本、样本标签以及打标环境信息；

输入模块，用于将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；

置信模块，用于将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；

调整模块，用于根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；

训练模块，用于以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。

9.如权利要求8所述的装置，所述获取模块，具体用于根据用户执行的业务确定训练样本；获取用户执行所述业务的执行结果，根据所述执行结果确定样本标签；根据所述用户执行所述业务时对应的环境信息，确定打标环境信息。

10.如权利要求9所述的装置，所述获取模块，具体用于确定所述用户执行业务时采集的时间信息、位置信息、环境信息以及所述用户的用户特征中的至少一种，作为打标环境信息；和/或，根据所述用户的用户标识，确定所述用户的用户画像和历史打标信息中的至少一种，作为打标环境信息。

11.如权利要求8所述的装置，所述调整模块，具体用于根据所述样本标签的置信度，判断所述样本标签是否可信；当确定所述样本标签不可信时，调整所述目标模型的输出结果，得到修正结果。

12.如权利要求11所述的装置，所述调整模块，具体用于当所述样本标签的置信度不小于指定阈值时，确定所述样本标签可信；当所述样本标签的置信度小于指定阈值时，确定所述样本标签不可信。

13.如权利要求8所述的装置，所述目标模型为概率预测模型；

所述调整模块，具体用于将所述置信度作为权重，对所述目标模型输出的概率进行加权，确定修正结果。

14.如权利要求11所述的装置，所述目标模型为二分类模型；

所述调整模块，具体用于将所述目标模型的输出结果反置，得到修正结果。

15.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。

16.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。

Images