[發明專利]對象匹配方法、模型訓練方法、產品匹配方法和存儲介質

在審

• 申請號: 202210435314.9
• 申請日: 2022-04-24
• 公開（公告）號: CN114860874A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 陳犇;金林波;蔣文
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/36;G06F40/166;G06F40/295;G06N3/08
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;李靜茹

1.一種對象匹配方法，其特征在于，包括：

獲取對象搜索請求和目標對象的描述信息，其中，所述對象搜索請求由多個檢索關鍵詞疊加生成；

利用語義匹配模型對所述多個檢索關鍵詞和所述描述信息進行語義匹配，得到所述對象搜索請求與所述目標對象的目標匹配結果，其中，所述語義匹配模型通過訓練樣本的第一匹配結果和對抗樣本的第二匹配結果對預訓練模型進行訓練得到，所述對抗樣本通過在所述訓練樣本上疊加噪聲數據生成，所述第一匹配結果通過第一匹配模型對所述訓練樣本進行處理所得到，所述第二匹配結果通過第二匹配模型對所述對抗樣本進行處理所得到，所述第一匹配模型和所述第二匹配模型分別采用兩個不同的丟棄率對所述預訓練模型中的部分神經元進行丟棄所得到。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述訓練樣本的預設匹配結果；

基于所述第二匹配結果和所述預設匹配結果，生成第一損失函數；

基于所述第一匹配結果和所述第二匹配結果，生成第二損失函數；

基于所述第一損失函數和所述第二損失函數，對所述預訓練模型進行訓練，得到所述語義匹配模型。

3.根據權利要求2所述的方法，其特征在于，基于所述第一匹配結果和所述第二匹配結果，生成第二損失函數包括：

獲取所述第一匹配結果和所述第二匹配結果的相對熵；

基于所述相對熵生成所述第二損失函數。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述預訓練模型的目標梯度；

基于所述目標梯度生成所述噪聲數據。

5.根據權利要求1所述的方法，其特征在于，利用語義匹配模型對所述多個檢索關鍵詞和所述描述信息進行語義匹配，得到所述對象搜索請求與所述目標對象的目標匹配結果包括：

將所述多個檢索關鍵詞和所述描述信息進行拼接，生成目標文本；

利用所述語義匹配模型對所述目標文本進行處理，得到所述目標匹配結果。

6.根據權利要求5所述的方法，其特征在于，將所述多個檢索關鍵詞和所述描述信息進行拼接，生成目標文本包括：

對所述多個檢索關鍵詞和所述描述信息進行拼接，得到原始文本；

對所述原始文本進行分詞處理，得到多個字段；

對所述多個字段進行命名實體識別，得到所述多個字段對應的屬性；

獲取所述多個字段中屬性為預設屬性的目標字段；

將所述目標字段進行拼接，得到所述目標文本。

7.根據權利要求1至6中任意一項所述的方法，其特征在于，所述目標對象包括至少一個原始對象，所述目標匹配結果包括所述至少一個原始對象的匹配結果，所述方法還包括：

獲取所述至少一個原始對象中匹配結果大于預設結果的原始對象，得到推送對象；

輸出所述推送對象。

8.一種對象匹配方法，其特征在于，包括：

云服務器接收客戶端發送的對象搜索請求，其中，所述對象搜索請求由多個檢索關鍵詞疊加生成；

所述云服務器基于所述對象搜索請求獲取目標對象的描述信息；

所述云服務器利用語義匹配模型對所述多個檢索關鍵詞和所述描述信息進行語義匹配，得到所述對象搜索請求與所述目標對象的目標匹配結果，其中，所述語義匹配模型通過訓練樣本的第一匹配結果和對抗樣本的第二匹配結果對預訓練模型進行訓練得到，所述對抗樣本通過在所述訓練樣本上疊加噪聲數據生成，所述第一匹配結果通過第一匹配模型對所述訓練樣本進行處理所得到，所述第二匹配結果通過第二匹配模型對所述對抗樣本進行處理所得到，所述第一匹配模型和所述第二匹配模型分別采用兩個不同的丟棄率對所述預訓練模型中的部分神經元進行丟棄所得到；

所述云服務器輸出所述目標匹配結果至所述客戶端。