[发明专利]相似度预测模型训练方法、设备及计算机可读存储介质

说明书

本发明公开了一种相似度预测模型训练方法，包括：当监测到模型训练指令时，对第一样本数据库中的各组语句文本语料进行相似度标注，以获取语句文本标注语料集；对第一样本数据库中的各组语句文本语料进行句法语义分析，以将所述语句文本标注语料集转换为模式文本标注语料集；依据所述模式文本标注语料集，训练相似度预测模型，直至所述相似度预测模型收敛。本发明还公开了一种相似度预测模型训练设备及计算机可读存储介质。本发明能够有效提高相似度预测模型预测语句文本的相似度的准确性。

技术领域

本发明涉及文本匹配的技术领域，尤其涉及一种相似度预测模型训练方法、设备及计算机可读存储介质。

背景技术

文本匹配被广泛应用于搜索引擎、智能问答和广告推荐等领域，目前常用的文本匹配方案主要采用机器学习或深度学习方法，预测两个语句之间的相似度，在智能回答领域，现有预测模型的输入数据是两个语句的原始输入文本。

然而，由于相似度模型的输入数据是两个语句的原始输入文本，而原始输入文本由用户输入，且用户的输入具有多样性，导致原始输入文本为长尾数据，而机器学习或深度学习无法有效的处理长尾数据，利用长尾数据训练得到的相似度预测模型，无法准确的预测两个语句文本之间的相似度。

因此，如何提高相似度预测模型预测语句文本的相似度的准确性是目前亟待解决的问题。

发明内容

本发明的主要目的在于提供一种相似度预测模型训练方法、设备及计算机可读存储介质，旨在提高相似度预测模型预测语句文本的相似度的准确性。

为实现上述目的，本发明提供一种相似度预测模型训练方法，所述相似度预测模型训练方法包括以下步骤：

当监测到模型训练指令时，对第一样本数据库中的各组语句文本语料进行相似度标注，以获取语句文本标注语料集；

对第一样本数据库中的各组语句文本语料进行句法语义分析，以将所述语句文本标注语料集转换为模式文本标注语料集；

依据所述模式文本标注语料集，训练相似度预测模型，直至所述相似度预测模型收敛。

进一步地，所述对第一样本数据库中的各组语句文本语料进行相似度标注，以获取语句文本标注语料集的步骤包括：

将第一样本数据库中的各组语句文本语料内的第一语句文本和第二语句文本分别拆分为单个字符，并确定每个字符的字向量；

依据各组语句文本语料中第一语句文本内的每个字符的字向量和第二语句文本内的每个字符的字向量，确定各组语句文本语料的相似度；

依据各组语句文本语料的相似度，对各组语句文本语料进行标注，以获取语句文本标注语料集。

进一步地，所述依据各组语句文本语料中第一语句文本内的每个字符的字向量和第二语句文本内的每个字符的字向量，确定各组语句文本语料的相似度的步骤包括：

依据各组语句文本语料中第一语句文本内的每个字符的字向量和第二语句文本内的每个字符的字向量，确定各组语句文本语料中第一语句文本的文本向量和第二语句文本的文本向量；

计算各组语句文本语料中第一语句文本的文本向量与第二语句文本的文本向量之间的距离，并依据所述距离，确定各组语句文本语料的相似度。

进一步地，所述对第一样本数据库中的各组语句文本语料进行句法语义分析，以将所述语句文本标注语料集转换为模式文本标注语料集的步骤包括：

对第一样本数据库中的各组语句文本语料进行句法语义分析，并依据句法语义分析结果，将各组语句文本语料转换为模式文本语料集；

依据所述语句文本标注语料集，对所述模式文本语料集中的各组模式文本语料进行相似度标注，以获取模式文本标注语料集。