[发明专利]一种用于信息检索的强化学习模型构建方法

权利要求书

1.一种用于信息检索的强化学习模型构建方法，其特征在于，包括以下步骤：

S100，获取查询信息Q的特征编码q和候选文档集合中各候选文档的特征编码；

S200，构建MDP模型，其中：MDP模型的初始状态s₀＝[0，q]；MDP模型的智能体在初始状态下选择动作a₀的概率分布所述动作a₀用于从所述候选文档集合中选择候选文档为候选文档的特征编码，w为预设的初始化的可训练参数，x_m(a)为动作a从所述候选文档集合中选择的候选文档d_m(a)的特征编码，A(s₀)为初始状态s₀下可选的动作集合，(·)^H为共轭转置矩阵；MDP模型的初始奖励函数为预设的候选文档的相关性标签；MDP模型的智能体在第t步对应的状态s_t下选择动作a_t的概率分布为动作a_t从所述候选文档集合中选择的候选文档的特征编码，A(s_t)为第t步对应的状态s_t下可选的动作集合；ρ_t为包含智能体前n-1个所选的候选文档的量子概率分布算子，n为预设值，n≥2；MDP模型的决策奖励函数是预设的动作a_f从所述候选文档集合中选择的候选文档的相关性标签；

S300，根据长期奖励对MDP模型进行模型训练；其中，长期奖励L＝E[∑^M_k＝1(λ^k-1*r_k)]，λ为预设的折扣因子，r_k为MDP模型返回的第k个候选文档的特征编码的奖励，k的取值范围为1到M，M为所述候选文档集合包括的候选文档的数量，E为期望。

2.根据权利要求1所述的方法，其特征在于，S100中，获取候选文档集合中各候选文档的特征编码的方法包括：

S110，对候选文档集合中第e个候选文档doc_e进行分词，得到m个词；

S120，获取第l个词的复数词向量为一个复数，{w_j}^N_j＝1是非负实数且满足∑^N_j＝1w²_j＝1，θ_j为实数w_j对应的复数相位且满足θ_j∈[-π,π]，ψ_j为希尔伯特空间H^N上的第j个基础向量，N为所述候选文档集合包括的独立的潜在语义的数量，i为虚数单位；

S130，获取候选文档doc_e的特征编码x_m＝∑^m_l＝1(u_l·t_l·(t_l)^H)，u_l为第l个词在doc_e中的重要程度，∑^m_l＝1u_l＝1。

3.根据权利要求2所述的方法，其特征在于，S130中，根据第l个词在doc_e中的词频获取u_l。

4.根据权利要求2所述的方法，其特征在于，S130中，根据第l个词的逆文本频率指数获取u_l。