文本匹配方法、装置、存储介质及终端.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CN114297344A(43)申请公布日2022.04.08(21)申请号202111593339.3(22)申请日2021.12.23(71)申请人北京小米移动软件有限公司地址100085北京市海淀区西二旗中路33号院6号楼8层018号申请人北京小米松果电子有限公司(72)发明人俞亚健(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447代理人卢夏子(51)Int.Cl.G06F16/33(2019.01)G06K9/62(2022.01)G06N3/02(2006.01)权利要求书4页说明书18页附图5页(54)发明名称文本匹配方法、装置、存储介质及终端(57)摘要本公开涉及一种文本匹配方法、装置、存储介质及终端，该方法可以通过第一文本匹配模型确定目标文本与每个相似文本之间的第一相关度，并根据多个第一相关度从多个相似文本中确定该目标文本对应的匹配文本，由于该第一文本匹配模型是通过第一样本组训练得到的，该第一样本组包括样本文本、该样本文本对应的第一正例样本和多个第一负例样本，因此，该第一文本匹配模型不仅能够体现该样本文本与该第一正例样本和多个第一负例样本之间的相关性，也能够体现该第一正例样本与多个第一负例样本之间的相关性，从而使得根据该第一文本匹配模型得到的该目标文本与该相似文本之间的第一相关度的准确更高，这样，可以提高文本匹配的准确率。CN114297344ACN114297344A权利要求书1/4页1.一种文本匹配方法，其特征在于，所述方法包括：获取目标文本；将所述目标文本和所述目标文本对应的多个相似文本输入预先训练的第一文本匹配模型，以获取所述第一文本匹配模型输出的所述目标文本与每个所述相似文本之间的第一相关度；根据多个所述第一相关度，从多个所述相似文本中确定所述目标文本对应的匹配文本；其中，所述第一文本匹配模型通过以下方式训练得到：获取多个样本文本；针对每个所述样本文本，从样本知识库中确定与所述样本文本相关度最高的多个相似样本，从多个所述相似样本中确定所述样本文本对应的第一正例样本和多个第一负例样本，根据所述样本文本、所述第一正例样本和多个所述第一负例样本，确定所述样本文本对应的多个第一样本组；通过每个所述样本文本对应的多个所述第一样本组对第一目标神经网络模型进行训练，得到所述第一文本匹配模型。2.根据权利要求1所述的方法，其特征在于，所述从多个所述相似样本中确定所述样本文本对应的第一正例样本和多个第一负例样本包括：将多个所述相似样本中与所述样本文本相关度最高的目标相似样本，作为所述样本文本对应的所述第一正例样本；从待定样本中确定所述样本文本对应的多个所述第一负例样本，所述待定样本包括多个所述相似样本中除所述目标相似样本之外的相似样本。3.根据权利要求1所述的方法，其特征在于，所述根据所述样本文本、所述第一正例样本和多个所述第一负例样本，确定所述样本文本对应的多个第一样本组包括：针对每个所述第一负例样本，将所述样本文本、所述第一正例样本以及所述第一负例样本作为所述第一样本组。4.根据权利要求1所述的方法，其特征在于，所述通过每个所述样本文本对应的多个所述第一样本组对第一目标神经网络模型进行训练，得到所述第一文本匹配模型包括：循环执行第一模型训练步骤，直至根据预测相关度确定训练后的所述第一目标神经网络模型满足第一预设停止迭代条件，将训练后的第一目标神经网络模型作为所述第一文本匹配模型；所述预测相关度为所述第一样本组输入训练后的第一目标神经网络模型后输出的相关度；所述第一模型训练步骤包括：将多个所述第一样本组输入所述第一目标神经网络模型，以获取所述第一目标神经网络模型输出的每个所述第一样本组对应的预测相关度；在根据所述预测相关度确定所述第一目标神经网络模型不满足所述第一预设停止迭代条件的情况下，根据所述预测相关度确定第一目标损失值，根据所述第一目标损失值更新所述第一目标神经网络模型的参数，得到训练后的第一目标神经网络模型，并将训练后的第一目标神经网络模型作为新的第一目标神经网络模型。5.根据权利要求4所述的方法，其特征在于，所述预测相关度包括第一预测相关度和第2CN114297344A权利要求书2/4页二预测相关度；所述将多个所述第一样本组输入所述第一目标神经网络模型，以获取所述第一目标神经网络模型输出的每个所述第一样本组对应的预测相关度包括：针对每个所述第一样本组，将所述第一样本组对应的所述样本文本和所述第一正例样本输入所述第一目标神经网络模型，以获取所述第一目标神经网络模型输出的所述第一样本组对应的第一预测相关度，将所述第一样本组对应的所述样本文本和所述第一负例样本输入第一关联目标神经网络模型，以获取所述第一关联目标神经网络