模型训练方法、数据处理方法、装置及电子设备与流程

技术特征：
1.一种模型训练方法，其特征在于，所述方法包括：获取多个资源样本以及所述多个资源样本对应的资源标签；将所述多个资源样本作为首批资源样本输入至待训练的标签生成模型，所述待训练的标签生成模型包括串行连接的n个子模型，所述n为大于1的正整数；对于首个子模型，根据所述首批资源样本以及所述首批资源样本对应的资源标签，确定所述首个子模型的评价参数；对于第m个子模型，从第m-1批资源样本中，确定所述第m个子模型对应的第m批资源样本；所述第m-1批资源样本包括所述第m-1个子模型的输入样本，所述第m批资源样本中的资源样本不满足所述第m-1个子模型的置信度指标，所述m为大于1小于或等于n的任意正整数；根据所述第m批资源样本以及所述第m批资源样本对应的资源标签，确定所述第m个子模型的评价参数；根据各所述子模型的评价参数，对所述待训练的标签生成模型进行训练，得到标签生成模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述从第m-1批资源样本中，确定所述第m个子模型对应的第m批资源样本，包括：通过所述第m-1个子模型对所述第m-1批资源样本进行处理，获取所述第m-1批资源样本中各资源样本的置信度；将所述置信度小于或者等于所述第m-1个子模型的置信度指标的资源样本确定为所述第m批资源样本。3.根据权利要求1-2中任一项所述的模型训练方法，其特征在于，所述待训练的标签生成模型中各子模型按照复杂度从低到高的顺序串行连接。4.根据权利要求1-2中任一项所述的模型训练方法，其特征在于，所述根据各所述子模型的评价参数，对所述待训练的标签生成模型进行训练，得到标签生成模型，包括：将各所述子模型的评价参数之和作为所述待训练的标签生成模型的评价参数，对所述待训练的标签生成模型进行训练，得到所述标签生成模型。5.一种多媒体资源的数据处理方法，其特征在于，所述方法包括：获取待处理多媒体资源；将所述待处理多媒体资源输入至标签生成模型，所述标签生成模型为基于权利要求1-4中任一项所述的模型训练方法训练得到的模型；通过所述标签生成模型对所述待处理多媒体资源进行处理，得到所述多媒体资源的标签。6.一种模型训练装置，其特征在于，包括获取单元、处理单元以及训练单元；所述获取单元，用于获取多个资源样本以及所述多个资源样本对应的资源标签；所述处理单元，用于将所述多个资源样本作为首批资源样本输入至待训练的标签生成模型，所述待训练的标签生成模型包括串行连接的n个子模型，所述n为大于1的正整数；对于首个子模型，所述处理单元，用于根据所述首批资源样本以及所述首批资源样本对应的资源标签，确定所述首个子模型的评价参数；对于第m个子模型，所述处理单元，用于从第m-1批资源样本中，确定所述第m个子模型
对应的第m批资源样本；所述第m-1批资源样本包括所述第m-1个子模型的输入样本，所述第m批资源样本中的资源样本不满足所述第m-1个子模型的置信度指标，所述m为大于1小于或等于n的任意正整数；所述处理单元，还用于根据所述第m批资源样本以及所述第m批资源样本对应的资源标签，确定所述第m个子模型的评价参数；所述训练单元，用于根据各所述子模型的评价参数，对所述待训练的标签生成模型进行训练，得到标签生成模型。7.一种电子设备，其特征在于，包括获取单元以及处理单元；所述获取单元，用于获取待处理多媒体资源；所述处理单元，用于将所述待处理多媒体资源输入至标签生成模型，所述标签生成模型为基于权利要求6所述的模型训练装置训练得到的；所述处理单元，还用于通过所述标签生成模型对所述待处理多媒体资源进行处理，得到所述多媒体资源的标签。8.一种电子设备，其特征在于，包括：处理器、用于存储所述处理器可执行的指令的存储器；其中，所述处理器被配置为执行指令，以实现所述权利要求1-4中任一项所述的模型训练方法或者所述权利要求5所述的多媒体资源的数据处理方法。9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-4中任一项所述的模型训练方法或者所述权利要求5所述的多媒体资源的数据处理方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，当所述计算机指令被处理器执行时，实现如权利要求1-4中任一项所述的模型训练方法或者所述权利要求5所述的多媒体资源的数据处理方法。

技术总结
本公开关于一种模型训练方法、数据处理方法、装置及电子设备，涉及计算机技术领域。本公开能够加强各模型之间的关联、提升模型整体对多媒体资源的处理性能。该方法包括：将多个资源样本作为首批资源样本输入至待训练的标签生成模型，待训练的标签生成模型包括串行连接的N个子模型，N为大于1的正整数；对于首个子模型，根据首批资源样本以及首批资源样本对应的资源标签，确定首个子模型的评价参数；对于第M个子模型，根据第M批资源样本以及第M批资源样本对应的资源标签，确定第M个子模型的评价参数；根据各子模型的评价参数，对待训练的标签生成模型进行训练，得到标签生成模型。得到标签生成模型。得到标签生成模型。


技术研发人员：申世伟 金伟 卢佳乐 蒋梦云
受保护的技术使用者：北京达佳互联信息技术有限公司
技术研发日：2022.05.27
技术公布日：2022/8/12