题目处理模型的训练方法及装置制造方法及图纸

本申请提供题目处理模型的训练方法及装置，其中所述题目处理模型的训练方法包括：获取题目样本以及所述题目样本关联的用户属性信息和题目属性信息；基于所述用户属性信息、所述题目属性信息以及所述题目样本构建题目样本特征；将所述题目样本特征输入至题目处理模型进行处理，获得所述题目处理模型输出的预测分值；基于所述题目样本对应的样本分值和所述预测分值对所述题目处理模型进行训练，直至得到满足训练停止条件的目标题目处理模型，这使得训练的模型拥有多个维度的特征，处理题目处理问题时更加全面与精确，同时使用连续的得分作为输出结果，可以使输出结果的信息量更大，信息利用率上升。信息利用率上升。信息利用率上升。

【技术实现步骤摘要】
题目处理模型的训练方法及装置


[0001]本申请涉及模型训练
，特别涉及一种题目处理模型的训练方法，一种题目处理方法。本申请同时涉及一种题目处理模型的训练装置、一种题目处理装置、一种计算设备，以及一种计算机可读存储介质。

技术介绍

[0002]随着互联网技术的发展，利用电子产品进行学习已经变得越来越普遍，由于手工设置题目的效率低下，所以现有技术中，通常使用神经网络模型进行自动设置，然而，在题目选取情况下，常规方式采用的一般是将结果划分到二元问题上，即针对题目选取的判别过程中，只选用“选取/不选取”的分类，这种过于粗糙的划分方式，丢失了很多信息，使题目划分的问题仅仅停留在归类层面，无法继续展开，也无法深入的分析选取过程中产生的参数对于选取的结果的影响，无法精细化的处理题目选取问题，因此，亟需一种方法解决以上问题。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种题目处理模型的训练方法，一种题目处理方法以解决现有技术中存在的技术缺陷。本申请实施例同时提供了一种题目处理模型的训练装置，一种题目处理装置，一种计算设备，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种题目处理模型的训练方法，其特征在于，包括：获取题目样本以及所述题目样本关联的用户属性信息和题目属性信息；基于所述用户属性信息、所述题目属性信息以及所述题目样本构建题目样本特征；将所述题目样本特征输入至题目处理模型进行处理，获得所述题目处理模型输出的预测分值；基于所述题目样本对应的样本分值和所述预测分值对所述题目处理模型进行训练，直至得到满足训练停止条件的目标题目处理模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述用户属性信息、所述题目属性信息以及所述题目样本构建题目样本特征，包括：对所述用户属性信息进行解析，获得用户基础信息、历史题目信息和行为信息，以及对所述题目属性信息进行解析，获得题目结构信息；构建所述用户基础信息对应的用户基础特征，所述历史题目信息对应的历史题目特征，所述行为信息对应的行为特征以及所述题目结构信息对应的题目结构特征；将所述用户基础特征、所述历史题目特征、所述行为特征以及所述题目结构特征进行融合，得到题目样本特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述题目样本对应的样本分值和所述预测分值对所述题目处理模型进行训练，包括；基于所述样本分值和所述预测分值计算损失值，并将所述损失值与损失值阈值比较，直至所述损失值小于所述损失值阈值，获得目标题目处理模型；或基于所述样本分值和所述预测分值对所述题目处理模型进行参数调整，直至满足预设的迭代次数，获得目标题目处理模型。4.根据权利要求1所述的方法，其特征在于，所述获取题目样本以及所述题目样本关联的用户属性信息和题目属性信息之前，还包括：获取初始题目样本集合；按照预设的比例对初始题目样本集合进行切分，得到训练集、验证集以及测试集；相应的，获取题目样本，包括：在所述训练集中提取所述题目样本。5.根据权利要求4所述的方法，其特征在于，还包括：在所述验证集中提取验证题目样本；将所述验证题目样本输入至所述题目处理模型进行处理，得到所述验证题目样本对应的验证预测分值；将所述验证预测分值与所述验证题目样本对应的验证样本分值进行比较；根据比较结果确定所述题目处理模型未满足验证条件的情况下，执行所述基于所述题目样本对应的样本分值和所述预测分值对所述题目处理模型进行训练，直至得到满足训练停止条件的目标题目处理模型的步骤。6.根据权利要求4所述的方法，其特征在于，还包括：在所述测试集中提取测试题目样本；将所述测试题目样本输入至所述目标题目处理模型进行处理，得到所述测试题目样本对应的测试预测分值；
将所述测试预测分值与所述测试题目样本对应的测试样本分值进行比较；根据比较结果确定所述目标题目处理模型未满足测试条件的情况下...

【专利技术属性】
技术研发人员：朱珊珊，陈博，柳景明，
申请(专利权)人：北京猿力未来科技有限公司，
类型：发明
国别省市：