信息匹配模型的训练、信息匹配方法和装置.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CN113762301A(43)申请公布日2021.12.07(21)申请号202010619956.5(22)申请日2020.07.01(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人王泽勋冯明超(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军张效荣(51)Int.Cl.G06K9/62(2006.01)G06F16/36(2019.01)权利要求书3页说明书15页附图4页(54)发明名称信息匹配模型的训练、信息匹配方法和装置(57)摘要本发明公开了信息匹配模型的训练、信息匹配方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定多个训练信息组，其中，训练信息组包括两段训练信息以及训练信息组的匹配标签；根据两段训练信息，为训练信息组生成对应的特征得分向量；利用特征得分向量和匹配标签，训练预先设置的待训练模型，以得到信息匹配模型。该实施方式能够有效地降低信息匹配的运营成本。CN113762301ACN113762301A权利要求书1/3页1.一种信息匹配模型的训练方法，其特征在于，包括：确定多个训练信息组，其中，所述训练信息组包括两段训练信息以及所述训练信息组的匹配标签；根据所述两段训练信息，为所述训练信息组生成对应的特征得分向量；利用所述特征得分向量和所述匹配标签，训练预先设置的待训练模型，以得到信息匹配模型。2.根据权利要求1所述信息匹配模型的训练方法，其特征在于，为所述训练信息组生成对应的特征得分向量，包括：为所述训练信息组中的所述两段训练信息计算语义特征分数；计算所述训练信息组对应的实体特征分数以及属性特征分数；利用所述实体特征分数、所述属性特征分数以及所述语义特征分数，生成所述训练信息组对应的特征得分向量。3.根据权利要求2所述信息匹配模型的训练方法，其特征在于，在计算所述训练信息组对应的实体特征分数以及属性特征分数之前，进一步包括：为所述训练信息中每一段所述训练信息生成对应的实体特征向量以及属性特征向量；计算所述训练信息组对应的实体特征分数以及属性特征分数的步骤，包括：根据每一段所述训练信息对应的所述实体特征向量以及所述属性特征向量，计算所述训练信息组对应的实体特征分数以及属性特征分数。4.根据权利要求3所述信息匹配模型的训练方法，其特征在于，所述训练信息标注有实体标签和属性标签；为所述训练信息中每一段所述训练信息生成对应的实体特征向量以及属性特征向量，包括：根据所述实体标签和所述属性标签，确定所述训练信息包括的实体特征和属性特征；根据预设的第一实体词典，将所述实体特征转化为对应的实体特征向量；根据预设的第一属性词典，将所述属性特征转化为对应的属性特征向量。5.根据权利要求2所述信息匹配模型的训练方法，其特征在于，为所述训练信息组中的所述两段训练信息计算语义特征分数，包括：计算所述训练信息组中每一段所述训练信息对应的语义特征向量；确定两段所述训练信息对应的所述语义特征向量之间的距离分数，将所述距离分数作为第一语义特征分数。6.根据权利要求2或5所述信息匹配模型的训练方法，其特征在于，为所述训练信息组中的所述两段训练信息计算语义特征分数，包括：根据所述训练信息组中的每一段训练信息的长度和预设长度，计算第二语义特征分数；和/或，确定所述训练信息组中的所述两段训练信息之间的最大匹配长度；根据所述最大匹配长度和所述训练信息组中每一段训练信息的长度，计算第三语义特征分数。7.根据权利要求1所述信息匹配模型的训练方法，其特征在于，2CN113762301A权利要求书2/3页进一步包括：对原始训练信息进行归一化处理；所述确定多个训练信息组，包括：根据归一化后的结果，确定多个训练信息组。8.根据权利要求1至5、7任一所述信息匹配模型的训练方法，其特征在于，所述确定多个训练信息组，包括：当接收到第一训练信息时，从预设的信息库中，为所述第一训练信息初筛出预设段数的第二训练信息；针对每一段所述第二训练信息，执行：利用所述第二训练信息、所述第一训练信息以及由所述第一训练信息和所述第二训练信息确定出的匹配标签，构成训练信息组。9.一种信息匹配方法，其特征在于，包括：当接收到询问信息时，分别为所述询问信息和预设的匹配库中的多个待匹配信息生成对应的特征得分向量；将所述询问信息对应的特征得分向量和所述待匹配信息对应的特征得分向量，输入信息匹配模型；所述信息匹配模型基于权利要求1至8中任一所述信息匹配模型的训练方法得到；根据所述信息匹配模型确定出的匹配结果，从所述多个待匹配信息中，确定所述询问信息对应的匹配信息。10.根据权利