[發(fā)明專利]模型訓練、詞條分類方法、裝置、設備、存儲介質(zhì)及程序

有效

• 申請?zhí)枺?/td>: 202110474693.8
• 申請日: 2021-04-29
• 公開（公告）號: CN113190154B
• 公開（公告）日: 2023-10-13
• 發(fā)明（設計）人: 黃雪原;張錚
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F3/0484
• 分類號: G06F3/0484;G06F16/35;G06F40/279
• 代理公司: 北京同立鈞成知識產(chǎn)權代理有限公司 11205
• 代理人: 張芳;劉芳

本公開提供了模型訓練、詞條分類方法、裝置、設備、存儲介質(zhì)及程序，涉及人工智能中的機器學習和自然語言處理技術領域。具體實現(xiàn)方案為：獲取預設的多個對象類別，以及所述多個對象類別中不同對象類別之間的交集關系，具有交集關系的不同對象類別所指示的對象中存在重疊部分，根據(jù)所述多個對象類別中不同對象類別之間的交集關系，以及所述多個對象類別對應的訓練樣本，進行子模型訓練，得到分類模型；其中，所述分類模型包括多個所述子模型，具有交集關系的對象類別所對應的子模型不同。這樣，可以利用訓練后的分類模型對對象進行分類，從而提高對象類別的準確性。

技術領域

本公開涉及人工智能中的機器學習和自然語言處理技術領域，尤其涉及一種模型訓練、詞條分類方法、裝置、設備、存儲介質(zhì)及程序。

背景技術

詞條是構(gòu)成網(wǎng)絡百科全書的基本單元，是對各種概念、事物、現(xiàn)象及最新發(fā)現(xiàn)等概念的解釋。

在詞條的各類應用場景中，通常是根據(jù)詞條的類別對詞條進行處理，因此，詞條類別的準確性直接影響詞條質(zhì)量以及詞條應用的效果。通常，一個詞條的類別是由用戶在創(chuàng)建該詞條的過程中從多個預設類別中手動選擇的，受到用戶主觀因素的影響，使得詞條類別的準確性較低。

發(fā)明內(nèi)容

本公開提供了一種模型訓練、詞條分類方法、裝置、設備、存儲介質(zhì)及程序。

根據(jù)本公開的第一方面，提供了一種分類模型的訓練方法，包括：

獲取預設的多個對象類別，以及所述多個對象類別中不同對象類別之間的交集關系，具有交集關系的不同對象類別所指示的對象中存在重疊部分；

根據(jù)所述多個對象類別中不同對象類別之間的交集關系，以及所述多個對象類別對應的訓練樣本，進行子模型訓練，得到所述分類模型；其中，所述分類模型包括多個所述子模型，具有交集關系的對象類別所對應的子模型不同。

根據(jù)本公開的第二方面，提供了一種詞條分類方法，包括：

獲取待分類詞條的內(nèi)容；

將所述待分類詞條的內(nèi)容輸入已訓練好的分類模型，所述分類模型包括多個子模型；

根據(jù)所述多個子模型的輸出結(jié)果，確定所述詞條對應的至少一個目標類別；

其中，所述分類模型是采用如第一方面所述的方法訓練得到的。

根據(jù)本公開的第三方面，提供了一種分類模型的訓練裝置，包括：

獲取模塊，用于獲取預設的多個對象類別，以及所述多個對象類別中不同對象類別之間的交集關系，具有交集關系的不同對象類別所指示的對象中存在重疊部分；

訓練模塊，用于根據(jù)所述多個對象類別中不同對象類別之間的交集關系，以及所述多個對象類別對應的訓練樣本，進行子模型訓練，得到所述分類模型；其中，所述分類模型包括多個所述子模型，具有交集關系的對象類別所對應的子模型不同。

根據(jù)本公開的第四方面，提供了一種詞條分類裝置，包括：

獲取模塊，用于獲取待分類詞條的內(nèi)容；

處理模塊，用于將所述待分類詞條的內(nèi)容輸入已訓練好的分類模型，所述分類模型包括多個子模型；

確定模塊，用于根據(jù)所述多個子模型的輸出結(jié)果，確定所述詞條對應的至少一個目標類別；

其中，所述分類模型是采用如第一方面所述的方法訓練得到的。

根據(jù)本公開的第五方面，提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，