技术特征：
1.一种模型生成方法，包括：确定样本中的多个属性分别对目标模型的稳定性影响程度；根据所述稳定性影响程度，从所述多个属性中确定目标属性；根据所述样本中的所述目标属性，对所述目标模型进行优化，生成优化后的目标模型。2.根据权利要求1所述的方法，其中，所述确定样本中的多个属性分别对目标模型的稳定性影响程度，包括：确定所述样本中的所述多个属性的内容的稳定性；根据所述多个属性的内容的稳定性，确定所述多个属性分别对所述目标模型的稳定性影响程度。3.根据权利要求2所述的方法，其中，所述确定所述样本中的所述多个属性的内容的稳定性，包括：确定所述多个属性中第i个属性的内容在不同样本中的变化信息；i为大于等于1的整数；根据所述变化信息，确定所述第i个属性的内容的稳定性。4.根据权利要求2所述的方法，其中，所述确定所述样本中的所述多个属性的内容的稳定性，包括：确定所述样本中所述多个属性中第i个属性的内容的区分度评估指标；i为大于等于1的整数；根据所述区分度评估指标，确定所述第i个属性的内容的稳定性。5.根据权利要求2所述的方法，其中，所述确定所述样本中的所述多个属性的内容的稳定性，包括：根据所述多个属性中第i个属性对应的正样本以及负样本，确定所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率、未标记负样本率；i为大于等于1的整数；根据所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率和未标记负样本率，确定所述第i个属性的内容的稳定性。6.根据权利要求1所述的方法，还包括：对所述优化后的目标模型进行稳定性评估，得到评估结果；根据所述评估结果，更新所述优化后的目标模型。7.根据权利要求6所述的方法，其中，所述对所述优化后的目标模型进行稳定性评估，得到评估结果，包括：将第j个属性在多个样本的多个内容分别输入所述优化后的目标模型，获得多个输出结果；j为大于等于1的整数；根据所述多个输出结果，确定所述评估结果。8.根据权利要求6所述的方法，其中，所述对所述优化后的目标模型进行稳定性评估，得到评估结果，包括：利用所述优化后的目标模型，对多个样本进行打分，获得多个分数；根据所述多个分数的取值范围，确定分数划分区间；根据所述优化后的目标模型在所述分数划分区间的区分度评估指标，确定待校验区间；
根据所述待校验区间对应的样本的待校验参数值，对所述优化后的目标模型进行稳定性评估，得到评估结果。9.根据权利要求1所述的方法，还包括：确定所述优化后的目标模型所包含的函数；根据所述函数之间的关联关系以及所述目标属性的样本的标签信息，确定区分度评估指标，根据所述区分度评估指标更新所述优化后的目标模型。10.一种模型生成装置，包括：影响程度确定模块，用于确定样本中的多个属性分别对目标模型的稳定性影响程度；选取模块，用于根据所述稳定性影响程度，从所述多个属性中确定目标属性；优化模块，用于根据所述样本中的所述目标属性，对所述目标模型进行优化，生成优化后的目标模型。11.根据权利要求10所述的装置，其中，所述影响程度确定模块，用于确定所述样本中的所述多个属性的内容的稳定性；根据所述多个属性的内容的稳定性，确定所述多个属性分别对所述目标模型的稳定性影响程度。12.根据权利要求11所述的装置，其中，所述影响程度确定模块，用于确定所述多个属性中第i个属性的内容在不同样本中的变化信息；i为大于等于1的整数；根据所述变化信息，确定所述第i个属性的内容的稳定性。13.根据权利要求11所述的装置，其中，所述影响程度确定模块，用于确定所述样本中所述多个属性中第i个属性的内容的区分度评估指标；i为大于等于1的整数；根据所述区分度评估指标，确定所述第i个属性的内容的稳定性。14.根据权利要求11所述的装置，其中，所述影响程度确定模块，用于根据所述多个属性中第i个属性对应的正样本以及负样本，确定所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率、未标记负样本率；i为大于等于1的整数；根据所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率和未标记负样本率，确定所述第i个属性的内容的稳定性。15.根据权利要求10所述的装置，还包括：评估模块，用于对所述优化后的目标模型进行稳定性评估，得到评估结果；第一更新模块，用于根据所述评估结果，更新所述优化后的目标模型。16.根据权利要求15所述的装置，其中，所述评估模块，用于将第j个属性在多个样本的多个内容分别输入所述优化后的目标模型，获得多个输出结果；j为大于等于1的整数；根据所述多个输出结果，确定所述评估结果。17.根据权利要求16所述的装置，其中，所述评估模块，用于利用所述优化后的目标模型，对多个样本进行打分，获得多个分数；根据所述多个分数的取值范围，确定分数划分区间；根据所述优化后的目标模型在所述分数划分区间的区分度评估指标，确定待校验区间；根据所述待校验区间对应的样本的待校验参数值，对所述优化后的目标模型进行稳定性评估，得到评估结果。18.根据权利要求10所述的装置，还包括：第二更新模块，用于确定所述优化后的目标模型所包含的函数；根据所述函数之间的关联关系以及所述目标属性的样本的标签信息，确定区分度评估指标，根据所述区分度评
估指标更新所述优化后的目标模型。19.一种电子设备，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1-9中任一项所述的方法。20.一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1-9中任一项所述的方法。21.一种计算机程序产品，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1-9中任一项所述的方法。
技术总结
本公开提供了模型生成方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习等人工智能等技术领域。具体实现方案为：确定样本中的多个属性分别对目标模型的稳定性影响程度；根据所述稳定性影响程度，从所述多个属性中确定目标属性；根据所述样本中的所述目标属性，对所述目标模型进行优化，生成优化后的目标模型。采用上述方案能够提高目标模型的稳定性。模型的稳定性。模型的稳定性。
技术研发人员：李硕 陈才 刘昊骋 徐靖宇 孙倩
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.04.07
技术公布日：2022/5/6