[發明專利]一種模型訓練以及關鍵詞分類方法及裝置

在審

• 申請號: 202111081477.3
• 申請日: 2021-09-15
• 公開（公告）號: CN113887221A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 童詠之;湯彪;應松晟;奚駿泉;校婭;沈元;張敏
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/247;G06F16/906;G06K9/62;G06N20/00
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種關鍵詞分類模型的訓練方法，其特征在于，所述方法包括：

獲取若干包含關鍵詞的非結構性信息；

針對預設的各對應關系類型，獲取該對應關系類型對應的文本模板，從各非結構性信息中，確定與所述文本模板匹配的非結構性信息，作為第一訓練樣本，以及根據該對應關系類型確定所述第一訓練樣本的標注，所述標注表征所述訓練樣本與所述訓練樣本所屬用戶之間存在所述標注的對應關系；

針對每個第一訓練樣本，根據該第一訓練樣本匹配的文本模板，確定該訓練樣本的關鍵詞，從其他各非結構性信息中確定包含所述關鍵詞的非結構性信息，作為第二訓練樣本，以及將該第一訓練樣本的標注作為第二訓練樣本的標注；

根據第一訓練樣本和第二訓練樣本以及確定出的標注，對待訓練的關鍵詞分類模型進行訓練，所述關鍵詞分類模型用于確定各非結構性信息所屬用戶的關鍵詞。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

針對每種對應關系類型以及每個第一用戶，獲取預存的與該第一用戶具有該對應關系類型的對應關系的關鍵詞，以及該第一用戶的各非結構性信息，所述第一用戶為非結構性信息所屬用戶；

從該第一用戶的各非結構性信息中，確定包含確定出的關鍵詞的非結構性信息，作為第三訓練樣本，并根據該對應關系類型，確定所述第三訓練樣本的標注；

根據第一訓練樣本、第二訓練樣本、第三訓練樣本以及確定出的標注，對待訓練的關鍵詞分類模型進行訓練。

3.如權利要求1所述的方法，其特征在于，所述對應關系類型至少包括歧義類型，所述方法還包括：

獲取預存的各第一用戶的用戶標識，所述各第一用戶為各非結構性信息的所屬用戶；

針對每個第一用戶，從該第一用戶的各非結構性信息中，確定包含其他第一用戶的標識的非結構性信息，作為第四訓練樣本，并根據所述歧義類型，確定所述第四訓練樣本的標注；

根據第一訓練樣本、第二訓練樣本、第四訓練樣本以及確定出的標注，對待訓練的關鍵詞分類模型進行訓練。

4.如權利要求1所述的方法，其特征在于，所述關鍵詞分類模型包含各對應關系類型的分類器，所述對應關系類型包括：包含類型、歧義類型、同義類型；

根據第一訓練樣本和第二訓練樣本以及確定出的標注，對待訓練的關鍵詞分類模型進行訓練，具體包括：

針對每個訓練樣本，將該訓練樣本作為輸入，分別輸入到所述待訓練的關鍵詞分類模型中的包含分類器、同義分類器、歧義分類器中，分別得到所述包含分類器輸出的該訓練樣本的第一分類結果、所述同義分類器輸出的該訓練樣本的第二分類結果、所述歧義分類器輸出的該訓練樣本的第三分類結果；

針對每個訓練樣本，以該訓練樣本的第一分類結果、第二分類結果、第三分類結果和標注對所述關鍵詞分類模型進行訓練。

5.如權利要求4所述的方法，其特征在于，所述分類結果為訓練樣本為所述對應關系類型的概率；

以該訓練樣本的第一分類結果、第二分類結果、第三分類結果和標注對所述關鍵詞分類模型進行訓練，具體包括：

當該訓練樣本的標注為包含類型或同義類型時，重新確定該訓練樣本的標注為有效類型，當該訓練樣本的標注為歧義類型時，重新確定該訓練樣本的標注為無效類型；

當該訓練樣本的所述第一分類結果加上所述第二分類結果，減去所述第三分類結果的結果大于零時，確定該訓練樣本的綜合分類結果為有效類型，否則，確定該訓練樣本的綜合分類結果為無效類型；

以該訓練樣本的綜合分類結果和重新確定出的標注，對所述關鍵詞分類模型進行訓練。

6.如權利要求5所述的方法，其特征在于，所述方法還包括：

從各非結構性信息中，隨機確定若干非結構性信息，作為用于生成負樣本的非結構性信息；

針對每個用于生成負樣本的非結構性信息，對該非結構性信息進行分詞，并從該非結構性信息包含的各詞語中，隨機確定詞語，作為該非結構性信息對應的關鍵詞，并將該非結構性信息作為負樣本，以及確定所述負樣本的標注為無效關系；

將第一訓練樣本和第二訓練樣本作為正樣本，并基于正樣本和負樣本的分類結果和標注對模型進行訓練。