预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN114281935A(43)申请公布日2022.04.05(21)申请号202111086790.6G06F40/242(2020.01)(22)申请日2021.09.16G06F40/279(2020.01)G06F40/30(2020.01)(71)申请人腾讯科技(深圳)有限公司G06N3/08(2006.01)地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人康战辉(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强贾允(51)Int.Cl.G06F16/33(2019.01)G06F16/35(2019.01)G06F16/9532(2019.01)G06F16/9535(2019.01)G06F40/194(2020.01)权利要求书2页说明书13页附图6页(54)发明名称搜索结果分类模型的训练方法、装置、介质及设备(57)摘要本申请公开了搜索结果分类模型的训练方法、装置、介质及设备,涉及人工智能领域,该方法包括:获取训练数据集,所述训练数据集包括搜索查询词以及与所述搜索查询词对应的搜索结果;基于目标文本匹配算法,确定所述搜索查询词和所述搜索结果的相似度;根据预设的分类区间和所述相似度确定样本的分类标签,所述样本包括所述搜索查询词和所述搜索结果;根据所述样本和对应的所述分类标签对预训练后的语言模型进行微调,得到搜索结果分类模型。基于本申请提供的方法得到的搜索结果分类模型,可以使获得的搜索结果与搜索查询词在相似度维度上更为匹配,提高搜索速度,满足用户搜索需求。CN114281935ACN114281935A权利要求书1/2页1.一种搜索结果分类模型的训练方法,其特征在于,所述方法包括:获取训练数据集,所述训练数据集包括搜索查询词以及与所述搜索查询词对应的搜索结果;基于目标文本匹配算法,确定所述搜索查询词和所述搜索结果的相似度;根据预设的分类区间和所述相似度确定样本的分类标签,所述样本包括所述搜索查询词和所述搜索结果;根据所述样本和对应的所述分类标签对预训练后的语言模型进行微调,得到搜索结果分类模型。2.根据权利要求1所述的方法,其特征在于,所述基于目标文本匹配算法,确定所述搜索查询词和所述搜索结果的相似度,包括:对所述搜索查询词进行语素解析,确定所述搜索查询词中的一个或多个目标语素;基于目标文本匹配算法,确定每个所述目标语素与所述搜索结果的目标相似度;确定每个所述目标语素的归一化语素权重;根据每个所述目标语素的归一化语素权重以及每个所述目标语素与所述搜索结果的目标相似度,确定所述搜索查询词与所述搜索结果的相似度。3.根据权利要求2所述的方法,其特征在于,在所述搜索查询词对应多个搜索结果的情况下,所述基于目标文本匹配算法,确定每个所述目标语素与所述搜索结果的目标相似度,包括:确定所述目标语素在多个搜索结果中的词频;确定所述搜索查询词的第一词量和所述搜索结果的标题的第二词量;所述搜索结果是所述多个搜索结果中的任意一个;根据所述词频、所述第一词量和所述第二词量,得到所述目标语素与所述搜索结果的目标相似度。4.根据权利要求3所述的方法,其特征在于,所述确定每个所述目标语素的归一化语素权重,包括:确定每个所述目标语素在所述多个搜索结果中的逆文档频率值;根据每个所述目标语素的逆文档频率值,得到各所述目标语素的逆文档频率值之和;根据每个所述目标语素的逆文档频率值与所述逆文档频率值之和,得到每个所述目标语素的归一化语素权重。5.根据权利要求2所述的方法,其特征在于,所述根据每个所述目标语素的归一化语素权重以及每个所述目标语素与所述搜索结果的目标相似度,确定所述搜索查询词与所述搜索结果的相似度,包括:确定所述一个或多个目标语素在所述搜索查询词中的第一占比;确定所述一个或多个目标语素在所述搜索结果的标题中的第二占比;根据所述第一占比、所述第二占比以及每个所述目标语素对应的目标相似度和归一化语素权重,确定所述搜索查询词与所述搜索结果的相似度。6.根据权利要求1所述的方法,其特征在于,所述根据所述样本和对应的所述分类标签对预训练后的语言模型进行微调,得到搜索结果分类模型,包括:基于所述语言模型中的第一语言子模型对所述样本中的搜索查询词进行特征提取,得2CN114281935A权利要求书2/2页到第一文本特征;基于所述语言模型中的第二语言子模型对所述样本中的搜索查询词进行特征提取,得到第二文本特征;根据所述第一文本特征和所述第二文本特征得到第三文本特征;将所述第三文本特征输入至所述语言模型中的输出层,得到所述第三文本特征对应的预测分类标签;根据所述预测分类标签和对应的所述分类标签对所述语言模型进行微调,得到搜索结果分类模型