[發明專利]文本匹配方法、文本匹配模型的訓練方法及裝置、設備

有效

• 申請號: 202010081805.9
• 申請日: 2020-02-06
• 公開（公告）號: CN112749540B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 梁濤;李振陽;張晗;李超;馬連洋;衡陣
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/284
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

1.一種文本匹配方法，其特征在于，所述方法包括：

獲取待匹配的文本信息對，所述文本信息對包括第一文本信息和第二文本信息；

對所述第一文本信息和所述第二文本信息分別進行分詞處理，得到所述第一文本信息的第一分詞信息和所述第二文本信息的第二分詞信息；

將所述第一分詞信息和所述第二分詞信息作為文本匹配模型的輸入，在所述文本匹配模型中，基于所述第一分詞信息和所述第二分詞信息確定所述第一文本信息和所述第二文本信息的加權文本特征向量，所述加權文本特征向量為基于文本信息對應的分詞的詞向量和所述分詞的權重確定的，所述權重表征所述文本信息對中一個文本信息對應的分詞在另一文本信息中重要程度；

在所述文本匹配模型中，基于所述第一文本信息和所述第二文本信息的加權文本特征向量確定所述文本信息對的文本匹配結果；

其中，訓練所述文本匹配模型時的損失信息包括第一損失信息、第二損失信息和第三損失信息，所述第一損失信息和所述第二損失信息表征訓練文本對中兩個訓練文本信息各自的加權文本特征向量和文本特征向量間的差異，第三損失信息表征訓練文本對的匹配預測結果和匹配標簽間的差異。

2.根據權利要求1所述的方法，其特征在于，所述在所述文本匹配模型中，基于所述第一分詞信息和所述第二分詞信息確定所述第一文本信息和所述第二文本信息的加權文本特征向量包括：

利用所述文本匹配模型中的特征提取層提取所述第一分詞信息和所述第二分詞信息中分詞的詞向量；

利用所述文本匹配模型中的信息交互層對所述第一分詞信息中分詞的詞向量和所述第二分詞信息中分詞的詞向量進行信息交互處理，得到每一分詞的權重；

利用所述文本匹配模型中加權處理層對所述第一分詞信息和所述第一分詞信息中詞語的權重進行加權處理，得到第一文本信息的加權文本特征向量；

利用所述文本匹配模型中加權處理層對所述第二分詞信息和所述第二分詞信息中分詞的權重進行加權處理，得到所述第二文本信息的加權文本特征向量。

3.根據權利要求1所述的方法，其特征在于，所述在所述文本匹配模型中，基于所述第一文本信息和所述第二文本信息的加權文本特征向量確定所述文本信息對的文本匹配結果包括：

將所述第一文本信息和所述第二文本信息的加權文本特征向量作為所述文本匹配模型中的全連接層的輸入，在所述全連接層中確定所述第一文本信息和所述第二文本信息的間的匹配概率；

由所述文本匹配模型中的輸出層，基于所述匹配概率確定所述文本信息對的文本匹配結果。

4.一種文本匹配模型的訓練方法，其特征在于，所述方法包括：

獲取訓練文本對；

對所述訓練文本對中的訓練文本信息分別進行分詞處理，得到每一訓練文本信息的分詞信息；

將所述訓練文本對和所述分詞信息作為預設機器學習模型的輸入，在所述預設機器學習模型中，確定每一訓練文本信息的文本特征向量和每一訓練文本信息的加權文本特征向量，所述加權文本特征為基于訓練文本信息對應的分詞的詞向量和所述分詞的權重確定的，所述權重表征所述訓練文本對中一個訓練文本信息對應的分詞在另一訓練文本信息中重要程度；

基于每一訓練文本對中兩個訓練文本信息的加權文本特征向量和文本特征向量，確定所述每一訓練文本對中兩個訓練文本信息對應的第一損失信息和第二損失信息；

基于每一訓練文本對中兩個訓練文本信息的加權文本特征向量，確定每一訓練文本對中兩個訓練文本信息間的第三損失信息；

基于所述第一損失信息、所述第二損失信息和所述第三損失信息調整所述預設機器學習模型中的模型參數，至所述第一損失信息、所述第二損失信息和所述第三損失信息滿足預設條件，將滿足預設條件時的預設機器學習模型作為文本匹配模型；

其中，所述第一損失信息和第二損失信息表征訓練文本對中兩個訓練文本信息各自的加權文本特征向量和文本特征向量間的差異，第三損失信息表征訓練文本對的匹配預測結果和匹配標簽間的差異。