[發明專利]一種類案檢索方法、系統、電子設備及存儲介質

在審

• 申請號: 202310187729.3
• 申請日: 2023-03-02
• 公開（公告）號: CN116069903A
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 鄒游
• 申請（專利權）人: 特斯聯科技集團有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/211;G06N3/088
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明;趙吉陽

1.一種類案檢索方法，其特征在于，所述方法包括：

接收用戶的檢索案例請求；其中，所述檢索案例請求包括檢索案例句子；

將所述檢索案例句子輸入預先訓練的類案檢索編碼器，得到對應的句子向量表示；其中，所述類案檢索編碼器采用基于對比學習的無監督方式預先訓練得到；

根據所述句子向量表示和案例向量表示集合，得到與所述檢索案例句子相似的相似案例；其中，所述案例向量表示集合經由所述類案檢索編碼器對案例集合處理得到。

2.根據權利要求1所述的類案檢索方法，其特征在于，所述類案檢索編碼器采用以下步驟訓練得到：

設置類案檢索編碼器encoder和動量編碼器momentum?encoder；

更新所述encoder和所述momentum?encoder的網絡權重，根據損失函數L_i得到訓練好的類案檢索編碼器。

3.根據權利要求2所述的類案檢索方法，其特征在于，所述損失函數L_i滿足下述關系式：

??????????(1)

其中，M表示momentum?encoder的隊列大小，表示momentum?encoder的隊列中的負樣本的編碼表示，N表示每個mini-batch的大小，表示每個mini-batch的負樣本的編碼表示，和分別表示每個樣本和它增強的正樣本。

4.根據權利要求2所述的類案檢索方法，其特征在于，所述更新所述encoder和所述momentum?encoder的網絡權重，包括：

通過反向傳播法更新所述encoder的網絡權重；

通過如下式(2)更新所述momentum?encoder的網絡權重：

????????????????(2)

其中，為所述momentum?encoder的網絡權重，為所述encoder的網絡權重，；

在更新所述momentum?encoder的過程中每個最新的mini-batch數據進入隊列，最舊的數據出隊列，每一批mini-batch的數據進行訓練的時候，隊列的數據編碼作為負樣本進行對比學習。

5.根據權利要求1所述的類案檢索方法，其特征在于，所述根據所述句子向量表示和案例向量表示集合，得到與所述檢索案例句子相似的相似案例，包括：

分別計算所述句子向量表示與所述案例向量表示集合中的各案例向量表示的相似度，選取相似度最高的多個案例作為所述相似案例。

6.根據權利要求5所述的類案檢索方法，其特征在于，所述分別計算所述句子向量表示與所述案例向量表示集合中的各案例向量表示的相似度，選取相似度最高的多個案例作為所述相似案例，包括：

分別將各所述案例向量表示分布在對應的多個節點；

對每個所述節點，通過余弦相似度計算所述句子向量表示與該節點的案例向量表示的相似度，得到多個所述節點的案例選取結果；

合并各所述節點的案例選取結果，并根據相似度對所述案例選取結果進行降序排序，選取前K個案例作為所述相似案例。

7.一種類案檢索系統，其特征在于，所述系統包括：

接收模塊：用于接收用戶的檢索案例請求；其中，所述檢索案例請求包括檢索案例句子；

編碼模塊：將所述檢索案例句子輸入預先訓練的類案檢索編碼器，得到對應的句子向量表示；其中，所述類案檢索編碼器采用基于對比學習的無監督方式預先訓練得到；

計算模塊：用于根據所述句子向量表示和案例向量表示集合，得到與所述檢索案例句子相似的相似案例；其中，所述案例向量表示集合經由所述類案檢索編碼器對案例集合處理得到。