一种业务分类模型的训练方法、业务分类方法以及终端.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111340148A(43)申请公布日2020.06.26(21)申请号202010439817.4(22)申请日2020.05.22(71)申请人支付宝（杭州）信息技术有限公司地址310007浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人龙翀(74)专利代理机构北京汇思诚业知识产权代理有限公司11444代理人冯伟(51)Int.Cl.G06K9/62(2006.01)权利要求书3页说明书12页附图7页(54)发明名称一种业务分类模型的训练方法、业务分类方法以及终端(57)摘要本申请实施例提供了一种业务分类模型的训练方法、业务分类方法以及终端，能够使业务分类模型针对每个分类结果的准确程度达到对应的目标，实现了针对多目标进行优化的效果。其中，业务分类模型的训练方法包括：获取用于训练业务分类模型的多组业务样本数据；确定业务分类模型针对每个业务类别的分类准确度量的目标值；使用多组业务样本数据对业务分类模型进行迭代训练，直至达到迭代收敛条件，其中，在每次迭代训练之后，计算业务分类模型针对每个业务类别的分类准确度量，迭代收敛条件包括业务分类模型针对每个业务类别的分类准确度量达到对应的目标值。CN111340148ACN111340148A权利要求书1/3页1.一种业务分类模型的训练方法，其中，所述方法包括：获取用于训练业务分类模型的多组业务样本数据，其中，每个所述业务样本数据包括用于作为所述业务分类模型的输入数据的用户的业务咨询语句，且被预先配置有业务类别的标签，其中，所述业务类别为所述业务分类模型的输出目标，不同组的所述业务样本数据对应于不同的所述业务类别；确定所述业务分类模型针对每个所述业务类别的分类准确度量的目标值；使用所述多组业务样本数据对所述业务分类模型进行迭代训练，直至达到迭代收敛条件，其中，在每次迭代训练之后，计算所述业务分类模型针对每个所述业务类别的分类准确度量，所述迭代收敛条件包括所述业务分类模型针对每个所述业务类别的分类准确度量达到对应的目标值。2.根据权利要求1所述的方法，其中，所述业务分类模型包括多个基础分类模型，使用每组所述业务样本数据训练所述业务分类模型，包括：在所述多组业务样本数据中，获取本次迭代训练使用的业务样本数据；使用每个所述基础分类模型分别对所述业务样本数据执行对应的分类处理，以得到多个初始特征向量，其中，每个所述初始特征向量用于表示对应的基础分类模型针对所述业务样本数据的分类结果；根据每个所述基础分类模型的融合权重参数对所述多个初始特征向量进行融合，以得到融合特征向量；根据所述融合特征向量确定对应的业务类别，以得到所述业务分类模型对所述业务样本数据的分类结果。3.根据权利要求2所述的方法，其中，在根据所述融合特征向量确定对应的业务类别之后，所述方法还包括：比对所述业务分类模型的分类结果与所述业务样本数据对应的业务类别的标签是否相同；根据比对结果更新所述业务分类模型针对每个所述业务类别的分类准确度量。4.根据权利要求3所述的方法，其中，在根据比对结果更新所述业务分类模型针对每个所述业务类别的分类准确度量之后，所述方法还包括：将所述业务样本数据对应的业务类别的标签分别与每个所述基础分类模型的分类结果进行比对；根据比对结果更新每个所述基础分类模型针对每个所述业务类别的分类准确度量；根据所述业务分类模型针对每个业务类别的分类准确度量与对应业务类别的分类准确度量的目标值之间的差值，结合每个所述基础分类模型针对每所述个业务类别的分类准确度量，调整每个基础分类模型的所述融合权重参数，其中，在所述业务分类模型的下一次迭代训练的过程中，使用调整后的所述融合权重参数。5.根据权利要求4所述的方法，其中，在使用每个所述基础分类模型分别对所述业务样本数据执行对应的分类处理，以得到多个初始特征向量之后，所述方法还包括：根据每个所述基础分类模型针对每个所述业务类别的分类准确度量，调整对应的基础分类模型的模型内参数。6.根据权利要求2-5任一项所述的方法，其中，在每次迭代训练之后，所述方法还包括：2CN111340148A权利要求书2/3页根据所述业务分类模型针对每个业务类别的分类准确度量与对应的目标值之间的差值，调整每组业务样本数据在所述多组业务样本数据中所占的比例。7.根据权利要求2-6任一项所述的方法，其中，所述多个基础分类模型包括以下至少两种模型的组合：文本匹配模型、XGBoost模型、Bert模型、神经网络模型。8.根据权利要求2-7任一项所述的方法，其中，所述初始特征向量为多维向量，所述初始特征向量的每个维度分别用于表示一个业务类别的概率。9.根据权利要求2-8任一项所述的方法，其中，所述融合特征向量为多维向量，所述融