[發(fā)明專(zhuān)利]訓(xùn)練樣本的生成方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201610549832.8
• 申請(qǐng)日: 2016-07-13
• 公開(kāi)（公告）號(hào): CN107622056B
• 公開(kāi)（公告）日: 2021-03-02
• 發(fā)明（設(shè)計(jì)）人: 劉志慧;彭衛(wèi)華;李雙龍;康澤宇;劉海浪;王媛瓊;李辰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06F16/955
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆;胡彬

本發(fā)明實(shí)施例公開(kāi)了一種訓(xùn)練樣本的生成方法和裝置。所述方法包括：使用已標(biāo)注樣本對(duì)基準(zhǔn)評(píng)分模型進(jìn)行訓(xùn)練，生成調(diào)整訓(xùn)練模型；將待標(biāo)注樣本輸入至調(diào)整訓(xùn)練模型中，生成與待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分；根據(jù)已標(biāo)注樣本的樣本評(píng)分與已標(biāo)注樣本的模型評(píng)分之間的關(guān)聯(lián)關(guān)系，以及與待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分，確定與待標(biāo)注樣本對(duì)應(yīng)的標(biāo)注樣本評(píng)分；使用標(biāo)注樣本評(píng)分對(duì)待標(biāo)注樣本進(jìn)行標(biāo)注，生成新的已標(biāo)注樣本。本發(fā)明的技術(shù)方案解決了人工標(biāo)注訓(xùn)練樣本獲取難度大，標(biāo)注時(shí)間周期長(zhǎng)，準(zhǔn)確率得不到保證的技術(shù)問(wèn)題，減少了人工標(biāo)注訓(xùn)練樣本的工作量，提高了訓(xùn)練樣本的標(biāo)注效率。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及信息處理技術(shù)，尤其涉及一種訓(xùn)練樣本的生成方法和裝置。

背景技術(shù)

當(dāng)今社會(huì)是信息化的社會(huì)，隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，信息出現(xiàn)爆炸性的增長(zhǎng)。如何從海量的信息中快速準(zhǔn)確的找到自己所需要的信息，是信息檢索技術(shù)所需要解決的核心問(wèn)題。信息檢索能否更好的符合用戶的需求，直接關(guān)系到海量信息是否被充分利用，對(duì)經(jīng)濟(jì)社會(huì)發(fā)展具有十分重要的意義。

排序作為信息檢索領(lǐng)域中的核心技術(shù)問(wèn)題，已廣泛應(yīng)用于網(wǎng)頁(yè)搜索，推薦，在線廣告等信息檢索問(wèn)題。排序系統(tǒng)的任務(wù)是建立一個(gè)排序模型，并對(duì)搜索出的網(wǎng)頁(yè)按照預(yù)測(cè)相關(guān)性進(jìn)行排序。其中，訓(xùn)練排序模型是排序系統(tǒng)的核心部分。

特別的，在進(jìn)行英文搜索排序時(shí)，排序模型使用的訓(xùn)練樣本比較少。樣本量少會(huì)導(dǎo)致模型訓(xùn)練不充分，特征作用方式不合理，訓(xùn)練出的模型評(píng)分有偏差。所以需要迅速補(bǔ)充標(biāo)注的訓(xùn)練樣本來(lái)使排序模型的作用方式更合理。但是人工標(biāo)注訓(xùn)練樣本獲取難度大，標(biāo)注時(shí)間周期長(zhǎng)，準(zhǔn)確率得不到保證。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種訓(xùn)練樣本的生成方法和裝置，以減少人工標(biāo)注訓(xùn)練樣本的工作量，提高訓(xùn)練樣本的標(biāo)注效率。

在第一方面，本發(fā)明實(shí)施例提供了一種訓(xùn)練樣本的生成方法，包括：

使用已標(biāo)注樣本對(duì)基準(zhǔn)評(píng)分模型進(jìn)行訓(xùn)練，生成調(diào)整訓(xùn)練模型，其中，所述已標(biāo)注樣本預(yù)先標(biāo)注有樣本評(píng)分；

將待標(biāo)注樣本輸入至所述調(diào)整訓(xùn)練模型中，生成與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分；

根據(jù)所述已標(biāo)注樣本的樣本評(píng)分與所述已標(biāo)注樣本的模型評(píng)分之間的關(guān)聯(lián)關(guān)系，以及與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分，確定與所述待標(biāo)注樣本對(duì)應(yīng)的標(biāo)注樣本評(píng)分；

使用所述標(biāo)注樣本評(píng)分對(duì)所述待標(biāo)注樣本進(jìn)行標(biāo)注，生成新的已標(biāo)注樣本。

在第二方面，本發(fā)明實(shí)施例提供了一種訓(xùn)練樣本的生成裝置，包括：

調(diào)整訓(xùn)練模型生成模塊，用于使用已標(biāo)注樣本對(duì)基準(zhǔn)評(píng)分模型進(jìn)行訓(xùn)練，生成調(diào)整訓(xùn)練模型，其中，所述已標(biāo)注樣本預(yù)先標(biāo)注有樣本評(píng)分；

模型評(píng)分生成模塊，用于將待標(biāo)注樣本輸入至所述調(diào)整訓(xùn)練模型中，生成與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分；

標(biāo)注樣本評(píng)分確定模塊，用于根據(jù)所述已標(biāo)注樣本的樣本評(píng)分與所述已標(biāo)注樣本的模型評(píng)分之間的關(guān)聯(lián)關(guān)系，以及與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分，確定與所述待標(biāo)注樣本對(duì)應(yīng)的標(biāo)注樣本評(píng)分；

標(biāo)注模塊，用于使用所述標(biāo)注樣本評(píng)分對(duì)所述待標(biāo)注樣本進(jìn)行標(biāo)注，生成新的已標(biāo)注樣本。

本發(fā)明實(shí)施例通過(guò)使用標(biāo)注有樣本評(píng)分的已標(biāo)注樣本對(duì)基準(zhǔn)評(píng)分模型進(jìn)行訓(xùn)練，生成調(diào)整訓(xùn)練模型，將待標(biāo)注樣本輸入至所述調(diào)整訓(xùn)練模型中，生成與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分；根據(jù)所述已標(biāo)注樣本的樣本評(píng)分與所述已標(biāo)注樣本的模型評(píng)分之間的關(guān)聯(lián)關(guān)系，以及與所述待標(biāo)注樣本對(duì)應(yīng)的模型評(píng)分，確定與所述待標(biāo)注樣本對(duì)應(yīng)的標(biāo)注樣本評(píng)分；使用所述標(biāo)注樣本評(píng)分對(duì)所述待標(biāo)注樣本進(jìn)行標(biāo)注，生成新的已標(biāo)注樣本。可以解決人工標(biāo)注訓(xùn)練樣本獲取難度大，標(biāo)注時(shí)間周期長(zhǎng)，準(zhǔn)確率得不到保證的技術(shù)問(wèn)題，減少了人工標(biāo)注訓(xùn)練樣本的工作量，提高了訓(xùn)練樣本的標(biāo)注效率。

附圖說(shuō)明