模型获取方法、标签生成方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种模型获取方法、标签生成方法、装置及电子设备，该方法获取包括多个第一样本对的训练样本集；第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，条件信息用于指示目标标签类别，目标物品标签属于目标标签类别，训练样本集中包括条件信息不同的第一样本对；获取待训练模型根据物品相关信息以及条件信息输出的预测物品标签；预测物品标签属于目标标签类别；基于预测物品标签以及目标标签类别，对待训练模型进行调整，以获取标签生成模型。这样，可以在确保最终获取的标签生成模型具备生成各个种类的标签的同时，一定程度上可以避免第一样本对的长度不一的问题，从而一定程度上提高模型的训练效果。的训练效果。的训练效果。

【技术实现步骤摘要】
模型获取方法、标签生成方法、装置及电子设备


[0001]本专利技术属于网络
，特别是涉及一种模型获取方法、标签生成方法、装置及电子设备。

技术介绍

[0002]随着网络技术的不断发展，网络平台为用户提供的物品越来越多。为了方便用户选择所需的物品，往往需要为物品设置物品标签，通过物品标签言简意赅的描述该物品，进而方便用户选择。其中，物品标签所属的标签类别可能不同，示例的，物品标签“开胃下饭”所属的标签类别可以为“功效功能大类”，物品标签“Q弹诱惑”所属的标签类别可以为“口味口感大类”。即，可能需要为物品设置多种标签类别下的标签。目前，为了便捷的为物品设置标签，往往需要获取标签生成模型，通过标签生成模型为物品生成物品标签。
[0003]因此，亟需一种模型获取方式，以获取标签生成模型。

技术实现思路

[0004]本专利技术提供一种模型获取方法、标签生成方法、装置及电子设备，以获取标签生成模型。
[0005]第一方面，本专利技术提供一种模型获取方法，所述方法包括：
[0006]获取包括多个第一样本对的训练样本集；所述第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，所述条件信息用于指示目标标签类别，所述目标物品标签属于所述目标标签类别，所述训练样本集中包括条件信息不同的第一样本对；
[0007]获取待训练模型根据所述物品相关信息以及所述条件信息，输出的预测物品标签；所述预测物品标签属于所述目标标签类别；
[0008]基于所述预测物品标签以及所述目标标签类别，对所述待训练模型进行调整，以获取标签生成模型。
[0009]第二方面，本专利技术提供一种标签生成方法，所述方法包括：
[0010]获取待生成物品的物品相关信息以及条件信息；
[0011]将所述物品相关信息以及条件信息作为已训练的标签生成模型的输入，以获取所述标签生成模型输出的目标标签；所述目标标签属于所述条件信息指示的目标标签类别；
[0012]其中，所述标签生成模型是根据上述模型获取方法生成的。
[0013]第三方面，本专利技术提供一种模型获取装置，所述装置包括：
[0014]第一获取模块，用于获取包括多个第一样本对的训练样本集；所述第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，所述条件信息用于指示目标标签类别，所述目标物品标签属于所述目标标签类别，所述训练样本集中包括条件信息不同的第一样本对；
[0015]第二获取模块，用于获取待训练模型根据所述物品相关信息以及所述条件信息，输出的预测物品标签；所述预测物品标签属于所述目标标签类别；
[0016]调整模块，用于基于所述预测物品标签以及所述目标标签类别，对所述待训练模型进行调整，以获取标签生成模型。
[0017]第四方面，本专利技术提供一种标签生成装置，所述装置包括：
[0018]第一获取模块，用于获取待生成物品的物品相关信息以及条件信息；
[0019]第二获取模块，用于将所述物品相关信息以及条件信息作为已训练的标签生成模型的输入，以获取所述标签生成模型输出的目标标签；所述目标标签属于所述条件信息指示的目标标签类别；
[0020]其中，所述标签生成模型是根据上述模型获取装置生成的。
[0021]第五方面，本专利技术提供一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述方法。
[0022]第六方面，本专利技术提供一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述方法。
[0023]在本专利技术实施例中，获取包括多个第一样本对的训练样本集；第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，条件信息用于指示目标标签类别，目标物品标签属于目标标签类别，训练样本集中包括条件信息不同的第一样本对；获取待训练模型根据物品相关信息以及条件信息输出的预测物品标签；预测物品标签属于目标标签类别；基于预测物品标签以及目标标签类别，对待训练模型进行调整，以获取标签生成模型。本专利技术实施例中，在第一样本对中设置相同数量个用于指示目标标签类别的条件信息，每次仅训练模型输出符合该条件的输出，即，仅训练模型输出该目标标签类别下的标签，这样，结合训练样本集中条件信息不同的多个第一样本对，可以在确保最终获取的标签生成模型具备生成各个种类的标签的同时，一定程度上可以避免第一样本对的长度不一的问题，从而一定程度上提高模型的训练效果。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本专利技术实施例提供的一种模型获取方法的步骤流程图；
[0026]图2是本专利技术实施例提供的一种处理过程示意图；
[0027]图3是本专利技术实施例提供的一种模型处理示意图；
[0028]图4是本专利技术实施例提供的另一种模型处理示意图；
[0029]图5是本专利技术实施例提供的一种向量表示示意图；
[0030]图6是本专利技术实施例提供的一种标签生成方法的步骤流程图；
[0031]图7是本专利技术实施例提供的一种模型获取装置的结构图；
[0032]图8是本专利技术实施例提供的一种标签生成装置的结构图；
[0033]图9是本专利技术实施例提供的一种电子设备的结构图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]图1是本专利技术实施例提供的一种模型获取方法的步骤流程图，如图1所示，该方法可以包括：
[0036]步骤101、获取包括多个第一样本对的训练样本集；所述第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，所述条件信息用于指示目标标签类别，所述目标物品标签属于所述目标标签类别，所述训练样本集中包括条件信息不同的第一样本对。
[0037]本专利技术实施例中，样本物品可以是网络平台提供的网络对象，示例的，样本物品可以为外卖平台中的食物、店铺，或者是，音视频平台中提供的音频、视频，阅读平台提供的小说、文章，等等。物品相关信息可以是用于描述样本物品的信息，物品相关信息可以是特定领域内的物品的相关信息，这样可以确保后续训练的标签生成模型对于该是特定领域内物品的标签预测效果。物品相关信息的具体种类可以根据实际需求设置。示例的，在一种实现方式，物品相关信息可以包括物品名称、物品所属的种类、提供该物品的物品提供方的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型获取方法，其特征在于，所述方法包括：获取包括多个第一样本对的训练样本集；所述第一样本对包括样本物品的物品相关信息、M个条件信息以及目标物品标签，所述条件信息用于指示目标标签类别，所述目标物品标签属于所述目标标签类别，所述训练样本集中包括条件信息不同的第一样本对；获取待训练模型根据所述物品相关信息以及所述条件信息，输出的预测物品标签；所述预测物品标签属于所述目标标签类别；基于所述预测物品标签以及所述目标标签类别，对所述待训练模型进行调整，以获取标签生成模型。2.根据权利要求1所述的方法，其特征在于，所述获取包括多个第一样本对的训练样本集之后，所述获取待训练模型根据所述物品相关信息以及所述条件信息，输出的预测物品标签之前，所述方法还包括：获取预训练后的预设编码器，以作为目标编码器；根据所述目标编码器中的模型参数，对待训练模型中的编码器进行初始化。3.根据权利要求2所述的方法，其特征在于，所述目标编码器是根据第一向量表示训练得到的，所述第一向量表示是按照预设转换方式对第二样本对中的物品相关信息及条件信息转换得到的；所述获取待训练模型根据所述物品相关信息以及所述条件信息，输出的预测物品标签，包括：对于所述训练样本集中的各所述第一样本对，按照所述预设转换方式将所述第一样本对中的物品相关信息以及条件信息，转换为第二向量表示；基于所述待训练模型对所述第二向量表示进行处理，以获取所述预测物品标签。4.根据权利要求3所述的方法，其特征在于，所述按照所述预设转换方式将所述第一样本对中的物品相关信息以及条件信息，转换为第二向量表示，包括：按照各输入信息的预设位置，对各所述输入信息进行排序；所述输入信息包括所述物品相关信息中各个种类的信息以及所述条件信息；对所述排序后的输入信息进行向量化，得到初始向量表示；将所述初始向量表示的当前维数调整为预设的指定维数，得到所述第二向量表示。5.根据权利要求1至4任一所述的方法，其特征在于，所述M为1。6.根据权利要求3所述的方法，其特征在于，所述获取预训练后的预设编码器，包括：每次获取N个第二样本对；所述N个第二样本对包含条件信息不同的第一样本对；对于任一次获取的所述N个第二样本对，根据所述N个第二样本对的所...

【专利技术属性】
技术研发人员：郭同，胡懋地，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：