排序模型训练方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116028619A(43)申请公布日2023.04.28(21)申请号202211711526.1G06F40/194(2020.01)(22)申请日2022.12.29(66)本国优先权数据202111675158.52021.12.31CN(71)申请人北京金山数字娱乐科技有限公司地址100085北京市海淀区西二旗中路33号院5号楼11层002号(72)发明人李长亮白静姬子明(74)专利代理机构北京智信禾专利代理有限公司11637专利代理师张瑞(51)Int.Cl.G06F16/338(2019.01)G06F18/214(2023.01)G06F16/33(2019.01)权利要求书3页说明书20页附图5页(54)发明名称排序模型训练方法及装置(57)摘要本申请提供排序模型训练方法及装置，其中所述排序模型训练方法包括：获取待处理问题对应的正确答案以及多个候选答案；计算所述多个候选答案中各个候选答案与所述正确答案的答案匹配度；根据所述答案匹配度对所述多个候选答案进行划分获得正样本和负样本，并根据所述正样本和所述负样本构建样本集；利用所述样本集对答案排序模型进行训练，直至获得满足训练停止条件的目标答案排序模型。CN116028619ACN116028619A权利要求书1/3页1.一种排序模型训练方法，其特征在于，包括：获取待处理问题对应的正确答案以及多个候选答案；计算所述多个候选答案中各个候选答案与所述正确答案的答案匹配度；根据所述答案匹配度对所述多个候选答案进行划分获得正样本和负样本，并根据所述正样本和所述负样本构建样本集；利用所述样本集对答案排序模型进行训练，直至获得满足训练停止条件的目标答案排序模型。2.根据权利要求1所述的方法，其特征在于，所述获取待处理问题对应的多个候选答案，包括：将所述待处理问题输入至预设的阅读理解模块进行处理，获得所述阅读理解模块输出的所述多个候选答案；其中，所述阅读理解模块在多个候选文章中提取与所述待处理问题对应的所述多个候选答案并输出。3.根据权利要求1所述的方法，其特征在于，所述计算所述多个候选答案中各个候选答案与所述正确答案的答案匹配度，包括：计算所述多个候选答案中各个候选答案与所述正确答案的编辑操作次数，将所述编辑操作次数作为所述答案匹配度；或者，计算所述多个候选答案中各个候选答案与所述正确答案的字符相似度，将所述字符相似度作为所述答案匹配度。4.根据权利要求1所述的方法，其特征在于，所述根据所述答案匹配度对所述多个候选答案进行划分获得正样本和负样本，包括：将所述答案匹配度与预设的匹配度阈值进行比较；根据比较结果选择大于所述匹配度阈值的候选答案作为所述正样本，选择小于等于所述匹配度阈值的候选答案作为所述负样本。5.根据权利要求1‑4任意一项所述的方法，其特征在于，所述利用所述样本集对答案排序模型进行训练，直至获得满足训练停止条件的目标答案排序模型，包括：利用所述样本集对所述答案排序模型进行训练，获得满足训练停止条件的多个初始答案排序模型；按照预设的验证策略对每个初始答案排序模型进行检测，根据检测结果确定所述目标答案排序模型。6.根据权利要求5所述的方法，其特征在于，所述按照预设的验证策略对每个初始答案排序模型进行检测，根据检测结果确定所述目标答案排序模型，包括：在验证集中选择验证问题以及所述验证问题关联的验证信息，并基于所述验证问题和所述验证信息构建验证特征；将所述验证特征输入至每个初始答案排序模型进行处理，获得每个初始答案排序模型输出的验证答案排序结果；基于所述验证问题的验证答案对所述验证答案排序结果进行检测，根据检测结果确定所述目标答案排序模型。7.根据权利要求6所述的方法，其特征在于，所述根据检测结果确定所述目标答案排序2CN116028619A权利要求书2/3页模型，包括：根据检测结果在所述多个初始答案排序模型中选择设定数量的初始答案排序模型作为中间答案排序模型；对每个中间答案排序模型中的模型参数进行加权处理，获得目标模型参数；基于所述目标模型参数对任意一个中间答案排序模型进行调参，获得所述目标答案排序模型。8.一种排序模型训练装置，其特征在于，包括：获取模块，被配置为获取待处理问题对应的正确答案以及多个候选答案；计算模块，被配置为计算所述多个候选答案中各个候选答案与所述正确答案的答案匹配度；构建模块，被配置为根据所述答案匹配度对所述多个候选答案进行划分获得正样本和负样本，并根据所述正样本和所述负样本构建样本集；训练模块，被配置为利用所述样本集对答案排序模型进行训练，直至获得满足训练停止条件的目标答案排序模型。9.一种文本处理方法，其特征在于，包括：获取问题文本以及所述问题文本对应的候选答案；基于所述候选答案的关