[發(fā)明專利]基于查詢的分類器訓(xùn)練方法和裝置

有效

• 申請?zhí)枺?/td>: 201710609365.8
• 申請日: 2017-07-24
• 公開（公告）號: CN110020096B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 馬慶麗
• 申請（專利權(quán)）人: 北京國雙科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06K9/62;G06Q50/00
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡;褚敏

1.一種基于查詢的分類器訓(xùn)練方法，其特征在于，包括：

采用LTR算法對查詢訓(xùn)練集訓(xùn)練得到權(quán)重模型以及所述查詢訓(xùn)練集的每個訓(xùn)練樣本分別訓(xùn)練得到排序模型，其中，所述查詢訓(xùn)練集包括多個查詢，所述訓(xùn)練樣本包括至少兩個查詢；

確定所述權(quán)重模型的第一宏平均準(zhǔn)確率以及每個所述排序模型的第二宏平均準(zhǔn)確率；

根據(jù)所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率確定分類器的增益；

根據(jù)所述增益確定所述分類器；

其中，所述權(quán)重模型為BM25模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，使用查詢訓(xùn)練集訓(xùn)練得到權(quán)重模型包括：

使用所述查詢訓(xùn)練集進行所述權(quán)重模型的訓(xùn)練以及使用驗證集進行所述權(quán)重模型參數(shù)的優(yōu)化。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定所述權(quán)重模型的第一宏平均準(zhǔn)確率以及每個所述排序模型的第二宏平均準(zhǔn)確率，包括：

根據(jù)測試集確定所述權(quán)重模型的所述第一宏平均準(zhǔn)確率以及根據(jù)所述測試集確定每個所述排序模型的第二宏平均準(zhǔn)確率。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率確定分類器的增益，包括：

計算所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率的差值，將所述差值確定為所述分類器的增益。

5.根據(jù)權(quán)利要求1-4中任意一項所述的方法，其特征在于，所述分類器為Logistic回歸函數(shù)。

6.一種基于查詢的分類器訓(xùn)練裝置，其特征在于，包括：

訓(xùn)練模塊，用于采用LTR算法對查詢訓(xùn)練集訓(xùn)練得到權(quán)重模型以及所述查詢訓(xùn)練集的每個訓(xùn)練樣本分別訓(xùn)練得到排序模型，其中，所述查詢訓(xùn)練集包括多個查詢，所述訓(xùn)練樣本包括至少兩個查詢；

第一確定模塊，用于確定所述權(quán)重模型的第一宏平均準(zhǔn)確率以及每個所述排序模型的第二宏平均準(zhǔn)確率；

第二確定模塊，用于根據(jù)所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率確定分類器的增益；

第三確定模塊，用于根據(jù)所述增益確定所述分類器；

其中，所述權(quán)重模型為BM25模型。

7.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)包括存儲的程序，其中，在所述程序運行時控制所述存儲介質(zhì)所在設(shè)備執(zhí)行權(quán)利要求1至5中任意一項所述的基于查詢的分類器訓(xùn)練方法。

8.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執(zhí)行權(quán)利要求1至5中任意一項所述的基于查詢的分類器訓(xùn)練方法。

9.一種終端，其特征在于，包括：

訓(xùn)練模塊，用于采用LTR算法對查詢訓(xùn)練集訓(xùn)練得到權(quán)重模型以及所述查詢訓(xùn)練集的每個訓(xùn)練樣本分別訓(xùn)練得到排序模型，其中，所述查詢訓(xùn)練集包括多個查詢，所述訓(xùn)練樣本包括至少兩個查詢；其中，所述權(quán)重模型為BM25模型；

第一確定模塊，用于確定所述權(quán)重模型的第一宏平均準(zhǔn)確率以及每個所述排序模型的第二宏平均準(zhǔn)確率；

第二確定模塊，用于根據(jù)所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率確定分類器的增益；

第三確定模塊，用于根據(jù)所述增益確定所述分類器；

處理器，所述處理器運行程序，其中，所述程序運行時對于從所述訓(xùn)練模塊、所述第一確定模塊、所述第二確定模塊和所述第三確定模塊輸出的數(shù)據(jù)執(zhí)行權(quán)利要求1至5中任意一項所述的基于查詢的分類器訓(xùn)練方法。

10.一種終端，其特征在于，包括：

訓(xùn)練模塊，用于采用LTR算法對查詢訓(xùn)練集訓(xùn)練得到權(quán)重模型以及所述查詢訓(xùn)練集的每個訓(xùn)練樣本分別訓(xùn)練得到排序模型，其中，所述查詢訓(xùn)練集包括多個查詢，所述訓(xùn)練樣本包括至少兩個查詢；其中，所述權(quán)重模型為BM25模型；

第一確定模塊，用于確定所述權(quán)重模型的第一宏平均準(zhǔn)確率以及每個所述排序模型的第二宏平均準(zhǔn)確率；

第二確定模塊，用于根據(jù)所述第一宏平均準(zhǔn)確率和所述第二宏平均準(zhǔn)確率確定分類器的增益；

第三確定模塊，用于根據(jù)所述增益確定所述分類器；

存儲介質(zhì)，用于存儲程序，其中，所述程序在運行時對于從所述訓(xùn)練模塊、所述第一確定模塊、所述第二確定模塊和所述第三確定模塊輸出的數(shù)據(jù)執(zhí)行權(quán)利要求1至5中任意一項所述的基于查詢的分類器訓(xùn)練方法。