匹配模型的训练方法、获取匹配度的方法、匹配方法及装置制造方法及图纸

本申请提供了匹配模型的训练方法、获取匹配度的方法、匹配方法及装置。在本申请中，输入模型中的是事件的事件信息以及具有匹配资格的处理部门的部门信息，模型用于根据事件的事件信息以及处理部门的部门信息获取事件与处理部门之间的匹配度，之后根据事件与处理部门之间的匹配度来实现对事件匹配处理部门。具有匹配资格的处理部门在模型中不受限制，后续在需要在线更新具有匹配资格的处理部门的情况下，向模型输入事件的事件信息与更新的处理部门的部门信息即可，可以不重新训练按模型，更新成本低，更新效率高。更新效率高。更新效率高。

【技术实现步骤摘要】
匹配模型的训练方法、获取匹配度的方法、匹配方法及装置


[0001]本申请涉及计算机
，特别是涉及一种匹配模型的训练方法及装置、一种获取匹配度的方法及装置以及一种匹配方法及装置。

技术介绍

[0002]随着经济的发展，政务部门的复杂度不断增加以及政务部门的管理和服务不断完善，各个政务部门的管理工作强度也在不断增大。在政务场景中，市民可以通过多个渠道(例如群众热线或者寄信等)向各个政务部门提出诉求，政务人员每天会从多个渠道接收到市民的各种诉求，可以将诉求整理为事件，然后根据事件的描述人工判断事件应该属于哪个政务部门管辖，然后再将事件人工分配给该政务部门，以便该政务部门对该事件处理和反馈。近些年来，随着数字化与智能化的发展，事件的分派具有从人工分派走向智能化分派的需求，可以减少人工的操作，降低人工成本，间接提高社会管理的效率。
[0003]例如，在一种方式中，每一个城市或者地区分别具有一套事件分类体系，固定的分类数量以及对应的历史数据，然后，根据分类体系，固定的分类数量以及对应的历史数据可以训练分类模型。另外，一个政务部门可以负责一个或者多个类型的事件，根据政务部门的权责范围可以设定事件的类型与政务部门之间的映射关系。如此，在需要对某一事件分配政务部门的情况下，可以根据分类模型确定该事件的类型，然后根据事件的类型与政务部门之间的映射关系确定负责该类型的事件的政务部门，然后可以将该事件分配给确定出的该政务部门处理。
[0004]然而，经过统计和分析发现，上述方式具有如下缺陷：一旦用对应的历史数据对分类模型训练并部署之后，事件分类的数量就是固定的，事件类型到部门的映射也是固定的。这导致无法支持随着社会的管理不断精细化而带来的事件类型增删改需求以及部门权责的动态调整。无法支持动态的增删改事件类型、数量以及与部门的关系。因此，每一次需要增删改事件类型、数量、以及与部门的关系，都需要重新训练和部署分类模型，更新的效率低且成本高。

技术实现思路

[0005]本申请示出了匹配模型的训练方法、获取匹配度的方法、匹配方法及装置。
[0006]第一方面，示出了一种匹配模型的训练方法，包括：获取至少一个第一训练数据以及待训练的编码网络，第一训练数据中包括第一领域的第一样本事件的事件信息；使用至少一个第一训练数据对待训练的编码网络进行参数调整，得到第一领域的编码网络；获取至少一个第二训练数据以及创建包括第一领域的编码网络的匹配模型；第二训练数据中包括第一领域的第二样本事件的事件信息、第一领域的样本对象的对象信息以及第一领域的第二样本事件与第一领域的样本对象之间的标注匹配度；使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛，从而得到第一匹配模型；获取至少一个第三训练数据以及创建包括第一
匹配模型的匹配模型；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整，从而得到第二匹配模型。
[0007]第二方面，示出了一种获取匹配度的方法，包括：获取目标第二领域的目标事件的事件信息以及目标第二领域的目标对象的对象信息；根据目标第二领域的目标事件的事件信息、目标第二领域的目标对象的对象信息以及已训练的第二匹配模型，获取目标事件与目标对象之间的匹配度；其中，第二匹配模型是使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整得到的；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；第一匹配模型是使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛而得到的；第二训练数据中包括：第一领域的第二样本事件的事件信息、第一领域的样本对象的对象信息以及第一领域的第二样本事件与第一领域的样本对象之间的标注匹配度；第一领域的编码网络是使用至少一个第一训练数据对待训练的编码网络进行参数调整得到的，第一训练数据中包括第一领域的第一样本事件的事件信息。
[0008]第三方面，示出了一种匹配方法，包括：获取目标事件的事件信息，事件信息包括目标事件的标题以及目标事件的描述文本；获取多个待匹配的对象的对象信息，对象信息中包括对象的名称以及对象的分类架构；根据目标事件的事件信息获取用于描述目标事件的主题的关键词；在多个待匹配的对象中确定对象信息包括关键词的第一对象；设置第一对象的排序顺序位于多个待匹配的对象中除第一对象以外的第二对象之前；按照多个待匹配的对象之间的排序顺序在多个待匹配的对象中选择与目标事件匹配的至少一个对象。
[0009]第四方面，示出了一种匹配模型的训练装置，包括：第一获取模块，用于获取至少一个第一训练数据以及待训练的编码网络，第一训练数据中包括第一领域的第一样本事件的事件信息；第一调整模块，用于使用至少一个第一训练数据对待训练的编码网络进行参数调整，得到第一领域的编码网络；第二获取模块，用于获取至少一个第二训练数据以及创建包括第一领域的编码网络的匹配模型；第二训练数据中包括：第一领域的第二样本事件的事件信息、第一领域的样本对象的对象信息以及第一领域的第二样本事件与第一领域的样本对象之间的标注匹配度；训练模块，用于使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛，从而得到第一匹配模型；第三获取模块，用于获取至少一个第三训练数据以及创建包括第一匹配模型的匹配模型；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；第二调整模块，用于使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整，从而得到第二匹配模型。
[0010]第五方面，示出了一种获取匹配度的装置，包括：第四获取模块，用于获取目标第二领域的目标事件的事件信息以及目标第二领域的目标对象的对象信息；第五获取模块，
用于根据目标第二领域的目标事件的事件信息、目标第二领域的目标对象的对象信息以及已训练的第二匹配模型，获取目标事件与目标对象之间的匹配度；其中，第二匹配模型是使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整得到的；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；第一匹配模型是使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛而得到的；第二训练数据中包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种匹配模型的训练方法，其特征在于，所述方法包括：获取至少一个第一训练数据以及待训练的编码网络，第一训练数据中包括第一领域的第一样本事件的事件信息；使用至少一个第一训练数据对待训练的编码网络进行参数调整，得到第一领域的编码网络；获取至少一个第二训练数据以及创建包括第一领域的编码网络的匹配模型；第二训练数据中包括：第一领域的第二样本事件的事件信息、第一领域的样本对象的对象信息以及第一领域的第二样本事件与第一领域的样本对象之间的标注匹配度；使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛，从而得到第一匹配模型；获取至少一个第三训练数据以及创建包括第一匹配模型的匹配模型；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整，从而得到第二匹配模型。2.根据权利要求1所述的方法，其特征在于，包括第一领域的编码网络的匹配模型中包括：第一领域的编码网络以及匹配网络；第一领域的编码网络用于对第一领域的第二样本事件的事件信息编码，得到第一领域的第二样本事件的事件特征，以及，对第一领域的样本对象的对象信息编码，得到第一领域的样本对象的对象特征；匹配网络用于根据第一领域的第二样本事件的事件特征以及第一领域的样本对象的对象特征，获取第一领域的第二样本事件与第一领域的样本对象之间的匹配度。3.根据权利要求2所述的方法，其特征在于，匹配网络中包括特征运算层、特征拼接层以及预测层；特征运算层用于对第一领域的第二样本事件的事件特征以及第一领域的样本对象的对象特征进行交叉运算，得到运算特征；特征拼接层用于对运算特征、第一领域的第二样本事件的事件特征以及第一领域的样本对象的对象特征拼接，得到拼接特征；预测层用于根据拼接特征预测第一领域的第二样本事件与第一领域的样本对象之间的匹配度。4.根据权利要求1所述的方法，其特征在于，包括第一匹配模型的匹配模型中包括：辅助特征提取网络、第一领域的编码网络以及匹配网络；辅助特征提取网络用于提取与目标第二领域的样本事件的事件信息以及目标第二领域的样本对象的对象信息关联的辅助信息，并对辅助信息编码，得到辅助特征；辅助信息包括：目标第二领域的样本事件的事件信息中的关键词、目标第二领域的样本事件的事件信息与目标第二领域的样本对象的对象信息之间的字符的重合率、目标第二领域的样本事件的事件信息与目标第二领域的样本对象的对象信息之间的词汇的重合率以及目标第二领域的样本事件的事件信息的上位词汇以及下位词汇；
第一领域的编码网络用于对目标第二领域的样本事件的事件信息编码，得到目标第二领域的样本事件的事件特征，以及，对目标第二领域的样本对象的对象信息编码，得到第一领域的样本对象的对象特征；匹配网络用于根据辅助特征、目标第二领域的样本事件的事件特征以及目标第二领域的样本对象的对象特征，获取目标第二领域的样本事件与目标第二领域的样本对象之间的匹配度。5.根据权利要求4所述的方法，其特征在于，匹配网络中包括特征运算层、特征拼接层以及预测层；特征运算层用于对目标第二领域的样本事件的事件特征以及目标第二领域的样本对象的对象特征进行交叉运算，得到运算特征；特征拼接层用于对运算特征、目标第二领域的样本事件的事件特征、目标第二领域的样本对象的对象特征以及辅助特征拼接，得到拼接特征；预测层用于根据拼接特征预测目标第二领域的样本事件与目标第二领域的样本对象之间的匹配度。6.一种获取匹配度的方法，其特征在于，所述方法包括：获取目标第二领域的目标事件的事件信息以及目标第二领域的目标对象的对象信息；根据目标第二领域的目标事件的事件信息、目标第二领域的目标对象的对象信息以及已训练的第二匹配模型，获取目标事件与目标对象之间的匹配度；其中，第二匹配模型是使用至少一个第三训练数据对包括第一匹配模型的匹配模型进行参数调整得到的；第三训练数据中包括：第一领域级联的多个第二领域中的目标第二领域的样本事件的事件信息、目标第二领域的样本对象的对象信息以及目标第二领域的样本事件与目标第二领域的样本对象之间的标注匹配度；第一匹配模型是使用至少一个第二训练数据对包括第一领域的编码网络的匹配模型中的参数训练，直至包括第一领域的编码网络的匹配模型中的参数收敛而得到的；第二训练数据中包括：第一领域的第二样本事件的事件信息、第一领域的样本对象的对象信息以及第一领域的第二样本事件与第一领域的样本对象之间的标注匹配度；第一领域的编码网络是使用至少一个第一训练数据对待训练的编码网络进行参数调整得到的，第一训练数据中包括第一领域的第一样本事件的事件信息。7.一种匹配方法，其特征在于，所述方法包括：获取目标事件的事件信息，事件信息包括目标事件的标题以及目标事件的描述文本；获取多个待匹配...

【专利技术属性】
技术研发人员：冯文锋，张跃伟，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：