申请/专利权人：四川日报网络传媒发展有限公司

申请日：2024-02-18

公开（公告）日：2024-03-22

公开（公告）号：CN117743696A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F18/214;G06F18/241;G06N20/00;G06N3/0455;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于反馈强化学习的信息发布方法、装置及存储介质，本发明可大幅减少高准确度的标注数据的数据量以及对领域标注专家的需求，且通过基于奖励模型的强化学习，可在不设计具体判定规则的情况下，使模型最大程度地学习到人类对内容的质量分类，从而大幅提高模型对内容质量分类的准确性；因此，本发明非常适用于在信息发布领域的大规模应用与推广。

主权项：1.一种基于反馈强化学习的信息发布方法，其特征在于，包括：获取信息分类模型，其中，所述信息分类模型是利用第一训练集内的若干训练数据中各个训练数据的反馈标注数据，来训练奖励模型，并基于训练后的奖励模型以及第二训练集对调整后的语言模型进行强化训练而得到的，其中，任一训练数据的反馈标注数据是将该任一训练数据输入多个目标分类模型后，根据各个目标分类模型的输出来对比得到的，多个目标分类模型中包括所述调整后的语言模型，所述第一训练集中包含有高质量语料数据集和低质量语料数据集，所述调整后的语言模型是利用第三训练集对预训练语言模型进行模型调整后所得到的，所述第三训练集包含有从第一训练集中采样的若干语料数据，所述第二训练集中包括有高质量语料数据集中的若干高质量语料数据以及第三训练集，且任一低质量语料数据中含有指定关键词集中的至少一个指定关键词，任一高质量语料数据中不含有指定关键词集中任一指定关键词；获取目标信息，并将所述目标信息输入至所述信息分类模型，以得到目标信息的分类结果；基于所述分类结果，得到所述目标信息的发布处理结果，以便基于所述发布处理结果，对所述目标信息进行发布，其中，所述发布处理结果包括过滤目标信息或推荐目标信息。

全文数据：

权利要求：

百度查询： 四川日报网络传媒发展有限公司 基于反馈强化学习的信息发布方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD