[发明专利]一种模型训练和信息推荐的方法及装置

说明书

本说明书公开了一种模型训练和信息推荐的方法及装置，可以在训练识别模型时，获取样本文本以及样本文本的标注信息，将该样本文本以及该样本文本所属业务场景下存在的关键词类型输入到待训练的识别模型中，以使该识别模型在该关键词类型的约束下，输出针对该样本文本的识别结果，并以最小化该识别结果与该标注信息之间的偏差为优化目标，对该识别模型进行训练，将样本文本所属业务场景下存在的关键词类型输入到的识别模型中，作为该识别模型对该样本文本进行识别的约束，以使该识别模型在训练时不仅可以结合标注信息来进行自我学习，还可以依赖于输入该识别模型的关键词类型的约束，对该样本文本进行识别，从而能够提高该识别模型的准确性。

技术领域

本说明书涉及命名实体识别领域，尤其涉及一种模型训练的方法及装置。

背景技术

当前，在自然语言处理领域(Natural Language Processing，NLP)中，命名实体识别(Named Entity Recognition，NER)可以包括在语句中抽取出命名实体(Named Entity，NE)、确定出命名实体的类型等任务，命名实体可以理解为是语句中的特定词语。

在现有技术中，可以通过有监督训练的方式，对神经网络模型进行训练，从而通过神经网络模型进行命名实体识别，这种方式依赖于大量的训练样本对的训练，但是，存在某些业务场景并没有大量的训练样本，导致训练得到的模型可能无法准确地进行识别。

因此，如何在训练样本较少的业务场景中，提高命名实体识别的准确性，则是一个亟待解决的问题。

发明内容

本说明书提供一种模型训练和信息推荐的方法及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种模型训练的方法，包括：

获取样本文本以及所述样本文本的标注信息，所述标注信息中至少包括所述样本文本中包含的关键词的实际类型；

将所述样本文本以及所述样本文本所属业务场景下存在的关键词类型输入到待训练的识别模型中，以使所述识别模型在所述关键词类型的约束下，输出针对所述样本文本的识别结果；

以最小化所述识别结果与所述标注信息之间的偏差为优化目标，对所述识别模型进行训练。

可选地，将所述样本文本以及所述样本文本所属业务场景下存在的关键词类型输入到待训练的识别模型中，以使所述识别模型在所述关键词类型的约束下，输出针对所述样本文本的识别结果，具体包括：

将预设的指令、所述关键词类型以及所述样本文本输入到所述识别模型中，以使所述识别模型在所述关键词类型的约束下，根据所述指令的类型，输出针对所述样本文本的识别结果。

可选地，将预设的指令、所述关键词类型以及所述样本文本输入到所述识别模型中，以使所述识别模型在所述关键词类型的约束下，根据所述指令的类型，输出针对所述样本文本的识别结果，具体包括：

将携带有所述样本文本中包含的关键词的第一指令、所述关键词类型以及所述样本文本输入到所述识别模型中输入到所述识别模型中，以使所述识别模型输出从所述样本文本中识别出的关键词的类型，作为识别结果，所述第一指令用于确定出所述样本文本中包含的关键词所属的类型。

可选地，将预设的指令、所述关键词类型以及所述样本文本输入到所述识别模型中，以使所述识别模型在所述关键词类型的约束下，根据所述指令的类型，输出针对所述样本文本的识别结果，具体包括：

将第二指令、所述关键词类型以及所述样本文本输入到所述识别模型中输入到所述识别模型中，以使所述识别模型输出从所述样本文本中识别出的关键词以及识别出的关键词的类型，作为识别结果，所述第二指令用于确定出所述样本文本中包含的关键词以及所述样本文本中包含的关键词所属的类型。