模型训练方法、装置、设备及存储介质

本发明实施例涉及人工智能技术领域，公开一种模型训练方法、装置、设备及存储介质，方法为获取初始样本、初始样本的样本标签、初始样本序列及样本文本长度；基于样本文本长度确定压缩次数；在初始模型中对初始样本序列做压缩次数次压缩处理，得到压缩次数个第一文本序列；将最新一次压缩处理得到的第一文本序列作为目标序列，对多个第一文本序列进行特征融合处理得到融合序列；初始模型对目标序列、融合序列进行预测处理，得到预测值；基于预测值和样本标签调整初始模型的模型参数，得到训练后的中间模型。在模型训练中对长文本序列进行多次压缩，保留了较多重要信息且逐次缩短了模型要处理的序列的长度，使训练后的中间模型的准确性较高。