一种模型降噪方法、装置、电子设备及存储介质与流程

技术特征：
1.一种模型降噪的方法，包括：获取携带噪声标签的样本集合；将所述携带噪声标签的样本集合输入到训练好的目标模型中，进行所述噪声标签的降噪处理，得到降噪后的模型输出结果。2.根据权利要求1所述的方法，其中，所述携带噪声标签的样本集合，包括：样本数据、以及包含所述噪声标签的样本标签；其中，所述样本数据，用于表征针对第一信息执行第一操作后的驻留情况；所述样本标签，用于表征针对第一信息执行第一操作后的驻留时长。3.根据权利要求1或2所述的方法，其中，所述将所述携带噪声标签的样本集合输入到训练好的目标模型中，进行所述噪声标签的降噪处理，得到降噪后的模型输出结果，包括：所述目标模型为时长回归模型的情况下，将所述携带噪声标签的样本集合输入到所述时长回归模型中，进行所述噪声标签的降噪处理，得到的所述模型输出结果为不包括噪音的目标值。4.根据权利要求1或2所述的方法，还包括：根据所述携带噪声标签的样本集合及用于表征所述噪声标签概率最大化的预测值得到损失函数；通过所述损失函数的反向传播对所述目标模型进行训练，得到所述训练好的目标模型。5.根据权利要求4所述的方法，其中，所述根据所述携带噪声标签的样本集合及用于表征所述噪声标签概率最大化的预测值得到损失函数，包括：从所述携带噪声标签的样本集合中提取样本标签，得到所述样本标签与所述预测值间的第一差值；根据所述第一差值及所述样本标签的方差，得到所述损失函数。6.根据权利要求4所述的方法，其中，所述根据所述携带噪声标签的样本集合及用于表征所述噪声标签概率最大化的预测值得到损失函数，包括：从所述携带噪声标签的样本集合中提取样本标签，得到所述样本标签与所述预测值间的第一差值；根据所述第一差值、所述样本标签的方差及用于平滑处理的超参数，得到所述损失函数；根据所述降噪后的模型输出结果执行信息分享处理，得到信息分享结果。7.一种信息推荐方法，包括：获取基于信息推荐操作得到针对多个信息内容的兴趣偏好；对所述针对多个信息内容的兴趣偏好进行特征提取，得到多个第一特征；将所述多个第一特征输入到训练好的目标模型中，进行对应所述多个第一特征的噪声标签的降噪处理，得到降噪后的模型输出结果；根据所述降噪后的模型输出结果执行信息推荐处理，得到信息推荐结果。8.一种信息分享方法，包括：获取基于信息分享操作得到的多个操作内容；对所述多个操作内容进行特征提取，得到多个第二特征；
将所述多个第二特征输入到训练好的目标模型中，进行对应所述多个第二特征的噪声标签的降噪处理，得到降噪后的模型输出结果；根据所述降噪后的模型输出结果执行信息分享处理，得到信息分享结果。9.一种模型降噪的装置，包括：获取单元，用于获取携带噪声标签的样本集合；降噪单元，用于将所述携带噪声标签的样本集合输入到训练好的目标模型中，进行所述噪声标签的降噪处理，得到降噪后的模型输出结果。10.根据权利要求9所述的装置，其中，所述携带噪声标签的样本集合，包括：样本数据、以及包含所述噪声标签的样本标签；其中，所述样本数据，用于表征针对第一信息执行第一操作后的驻留情况；所述样本标签，用于表征针对第一信息执行第一操作后的驻留时长。11.根据权利要求9或10所述的装置，其中，所述降噪单元，用于：所述目标模型为时长回归模型的情况下，将所述携带噪声标签的样本集合输入到所述时长回归模型中，进行所述噪声标签的降噪处理，得到的所述模型输出结果为不包括噪音的目标值。12.根据权利要求9或10所述的装置，还包括训练单元，用于：根据所述携带噪声标签的样本集合及用于表征所述噪声标签概率最大化的预测值得到损失函数；通过所述损失函数的反向传播对所述目标模型进行训练，得到所述训练好的目标模型。13.根据权利要求12所述的装置，其中，所述训练单元，用于：从所述携带噪声标签的样本集合中提取样本标签，得到所述样本标签与所述预测值间的第一差值；根据所述第一差值及所述样本标签的方差，得到所述损失函数。14.根据权利要求12所述的装置，其中，所述训练单元，用于：从所述携带噪声标签的样本集合中提取样本标签，得到所述样本标签与所述预测值间的第一差值；根据所述第一差值、所述样本标签的方差及用于平滑处理的超参数，得到所述损失函数。15.一种信息推荐装置，包括：偏好获取单元，用于获取基于信息推荐操作得到针对多个信息内容的兴趣偏好；第一特征提取单元，用于对所述针对多个信息内容的兴趣偏好进行特征提取，得到多个第一特征；第一标签降噪单元，用于将所述多个第一特征输入到训练好的目标模型中，进行对应所述多个第一特征的噪声标签的降噪处理，得到降噪后的模型输出结果；信息推荐单元，用于根据所述降噪后的模型输出结果执行信息推荐处理，得到信息推荐结果。16.一种信息分享装置，包括：操作内容获取单元，用于获取基于信息分享操作得到的多个操作内容；
第二特征提取单元，用于对所述多个操作内容进行特征提取，得到多个第二特征；第二标签降噪单元，用于将所述多个第二特征输入到训练好的目标模型中，进行对应所述多个第二特征的噪声标签的降噪处理，得到降噪后的模型输出结果；信息分享单元，用于根据所述降噪后的模型输出结果执行信息分享处理，得到信息分享结果。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

技术总结
本公开提供了一种模型降噪方法、装置、电子设备及存储介质，本公开涉及人工智能技术领域，尤其涉及深度学习、信息推荐等领域。具体实现方案为：获取携带噪声标签的样本集合；将所述携带噪声标签的样本集合输入到训练好的目标模型中，进行所述噪声标签的降噪处理，得到降噪后的模型输出结果。采用本公开，可以提高模型精度，从而提高推荐准确率。从而提高推荐准确率。从而提高推荐准确率。


技术研发人员：马小龙
受保护的技术使用者：百度在线网络技术(北京)有限公司
技术研发日：2022.01.27
技术公布日：2022/4/29