多模型监看网络内容的人工智能治理方法

本发明涉及人工智能，特别是涉及一种多模型监看网络内容的人工智能治理方法。

背景技术：

1、网络内容往往都是由人工智能模型来进行初步检测。

2、在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有技术中不同模型各自为政，不利于模型的提升。

3、因此，现有技术还有待于改进和发展。

技术实现思路

1、基于此，有必要针对现有技术的缺陷或不足，提供多模型监看网络内容的人工智能治理方法，通过增量训练来不断提升每个模型，然后在多个模型中优胜劣汰，优选出检测准确率更高的模型，从而不断协同提升多个网络内容检测模型的检测能力。

2、第一方面，本发明实施例提供一种人工智能治理方法，所述方法包括：

3、k个监看深度学习模型训练测试步骤：在训练测试阶段，获取网络内容作为输入，获取网络内容为预设不良类型的预期概率作为预期输出，对k个监看深度学习模型进行训练和测试；

4、多模型共同使用步骤：在多模型使用阶段，获取网络内容作为输入，通过k个监看深度学习模型进行计算，得到的k个输出进行加权平均作为网络内容为预设不良类型的概率。

5、优选地，所述方法还包括：

6、多模型第一重生步骤：在抽查阶段，获取所述网络内容为预设不良类型的实际概率，将所述网络内容为预设不良类型的实际概率与k个中每个监看深度学习模型输出的所述网络内容为预设不良类型的概率进行比较差异，取较小差异的k/m个监看深度学习模型；将k/m个监看深度学习模型复制m份，形成k个监看深度学习模型。

7、优选地，所述方法还包括：

8、单模型使用步骤：在单模型使用阶段，获取网络内容作为输入，随机抽取任一监看深度学习模型进行计算，得到的输出作为网络内容为预设不良类型的概率。

9、优选地，所述方法还包括：

10、申请复核数统计步骤：获取用户对所述输出是否申请复核，若用户申请复核，则将所述任一监看深度学习模型的申请复核数加一；

11、多模型第二重生步骤：将k个监看深度学习模型的申请复核数从小到大进行排序，删除排序靠后的m个监看深度学习模型,将排序靠前的m个监看深度学习模型复制2份，形成k个监看深度学习模型。

12、第二方面，本发明实施例提供一种人工智能治理系统，所述系统包括：

13、k个监看深度学习模型训练测试模块：在训练测试阶段，获取网络内容作为输入，获取网络内容为预设不良类型的预期概率作为预期输出，对k个监看深度学习模型进行训练和测试；

14、多模型共同使用模块：在多模型使用阶段，获取网络内容作为输入，通过k个监看深度学习模型进行计算，得到的k个输出进行加权平均作为网络内容为预设不良类型的概率。

15、优选地，所述系统还包括：

16、多模型第一重生模块：在抽查阶段，获取所述网络内容为预设不良类型的实际概率，将所述网络内容为预设不良类型的实际概率与k个中每个监看深度学习模型输出的所述网络内容为预设不良类型的概率进行比较差异，取较小差异的k/m个监看深度学习模型；将k/m个监看深度学习模型复制m份，形成k个监看深度学习模型。

17、优选地，所述系统还包括：

18、单模型使用模块：在单模型使用阶段，获取网络内容作为输入，随机抽取任一监看深度学习模型进行计算，得到的输出作为网络内容为预设不良类型的概率。

19、优选地，所述系统还包括：

20、申请复核数统计模块：获取用户对所述输出是否申请复核，若用户申请复核，则将所述任一监看深度学习模型的申请复核数加一；

21、多模型第二重生模块：将k个监看深度学习模型的申请复核数从小到大进行排序，删除排序靠后的m个监看深度学习模型,将排序靠前的m个监看深度学习模型复制2份，形成k个监看深度学习模型。

22、第三方面，本发明实施例提供一种人工智能装置，所述装置包括第二方面实施例任意一项所述系统的模块。

23、第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。

24、第五方面，本发明实施例提供一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。

25、本实施例提供的多模型监看网络内容的人工智能治理方法，利用多个监看深度学习模型进行不良内容的综合检测，并通过人工复核结合增量训练来不断改进监看深度学习模型，然后优胜劣汰来保留较好的模型并进行复制，从而使得多个模型能够在竞争中不断进步，能够不断地提高监看深度学习模型的预测准确率。

技术特征：

1.一种人工智能治理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的人工智能治理方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的人工智能治理方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的人工智能治理方法，其特征在于，所述方法还包括：

5.一种人工智能治理系统，其特征在于，所述系统包括：

6.根据权利要求5所述的人工智能治理系统，其特征在于，所述系统还包括：

7.根据权利要求5所述的人工智能治理系统，其特征在于，所述系统还包括：

8.根据权利要求5所述的人工智能治理系统，其特征在于，所述系统还包括：

9.一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1-4任意一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。

技术总结
多模型监看网络内容的人工智能治理方法，利用多个监看深度学习模型进行不良内容的综合检测，并通过人工复核结合增量训练来不断改进监看深度学习模型，然后优胜劣汰来保留较好的模型并进行复制，从而使得多个模型能够在竞争中不断进步，能够不断地提高监看深度学习模型的预测准确率。

技术研发人员：朱定局
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/4/24