申请/专利权人:中国科学技术大学
申请日:2024-03-15
公开(公告)日:2024-04-16
公开(公告)号:CN117892799A
主分类号:G06N3/092
分类号:G06N3/092;G06N3/0455;G06F18/243;G06F18/2415;G06F18/214;G06N3/042
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明公开了以多层次任务为导向的金融智能分析模型训练方法及系统,涉及金融领域,该方法包括以下步骤:从数据源中收集原始数据,并对原始数据进行预处理,得到训练数据;将训练数据输入BERT模型,并将BERT模型处理后训练数据划分为三个层次;采用直接偏好优化法对划分后的数据进行逐层训练;根据训练结果,判断层次是否需要回溯调整,最终得到目标金融智能分析模型。本发明通过引入多层次任务,充分地利用金融数据中的层次结构和相关性,提高训练效率和模型性能,减轻了对大量人类反馈的依赖,实现了更加自适应和高效的金融大模型训练,改进使得模型在处理多任务和多层次的金融问题时更为灵活、全面,并且能够更好地适应市场变化。
主权项:1.以多层次任务为导向的金融智能分析模型训练方法,其特征在于,该以多层次任务为导向的金融智能分析模型训练方法包括以下步骤:S1、从数据源中收集原始数据,并对原始数据进行预处理,得到训练数据;S2、将训练数据输入BERT模型,并将BERT模型处理后训练数据划分为三个层次;S3、采用直接偏好优化法对划分后的数据进行逐层训练;S4、根据训练结果,判断层次是否需要回溯调整,最终得到目标金融智能分析模型。
全文数据:
权利要求:
百度查询: 中国科学技术大学 以多层次任务为导向的金融智能分析模型训练方法及系统
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。