基于网页搜索的意图分析大模型训练方法及相关设备技术

本申请提供一种基于网页搜索的意图分析大模型训练方法及相关设备，包括：获取原始数据集及神经网络模型；根据所述原始数据对所述神经网络模型进行自监督训练，得到预训练模型；获取搜索记录，并进行标注，生成训练数据；根据所述训练数据及预设反馈数据对所述预训练模型训练，得到目标训练模型。该方法通过标注合格的搜索动作数据，并将合格的搜索动作数据作为训练数据，利用训练数据及预设反馈数据对模型进行训练，使得目标训练模型的意图分析过程更加准确，预测结果更加准确，从而提高了网页搜索意图分析和预测的准确性和高效性。网页搜索意图分析和预测的准确性和高效性。网页搜索意图分析和预测的准确性和高效性。

【技术实现步骤摘要】
基于网页搜索的意图分析大模型训练方法及相关设备


[0001]本申请涉及深度学习
，尤其涉及一种基于网页搜索的意图分析大模型训练方法及相关设备。

技术介绍

[0002]随着深度学习技术的发展，各种大自然语言模型已经在意图分析领域取得了广泛应用。然而，传统的意图分析方法无法即时获取互联网中的信息，进行网页搜索的意图分析。且传统的意图分析方法往往需要大量的人力和时间，效率较低，意图分析和预测的准确性和高效性较低，难以实现对大规模数据的实时分析。

技术实现思路

[0003]有鉴于此，本申请的目的在于提出一种基于网页搜索的意图分析大模型训练方法及相关设备，以解决现有的意图分析方法无法即时获取互联网中的信息，进行网页搜索的意图分析的问题，提高了网页搜索意图分析和预测的准确性和高效性。
[0004]基于上述目的，本申请提供了一种基于网页搜索的意图分析大模型训练方法，包括：
[0005]获取原始数据集及神经网络模型；
[0006]根据所述原始数据对所述神经网络模型进行自监督训练，得到预训练模型；
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网页搜索的意图分析大模型训练方法，其特征在于，包括：获取原始数据集及神经网络模型；根据所述原始数据对所述神经网络模型进行自监督训练，得到预训练模型；获取搜索记录，并进行标注，生成训练数据；根据所述训练数据及预设反馈数据对所述预训练模型训练，得到目标训练模型。2.根据权利要求1所述的方法，其特征在于，所述搜索记录包括多个搜索动作数据；所述获取搜索记录，并进行标注，生成训练数据，包括：获取多个搜索动作数据，将多个搜索动作数据与预设搜索动作数据对比，得到对比结果；响应于对比结果到达预设阈值，则将搜索动作数据进行标注，并作为合格的搜索动作数据；其中，每个合格的搜索动作数据均包括搜索数据和至少一个动作数据；将所有所述合格的搜索动作数据作为训练数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述训练数据及预设反馈数据对所述预训练模型训练，得到目标训练模型，包括：根据所述训练数据对所述预训练模型进行迭代训练，得到第一训练模型；根据预设反馈数据对所述预训练模型进行迭代训练，得到第二训练模型；利用强化学习算法将所述第一训练模型和第二训练模型合并训练；将所述第一训练模型、第二训练模型和将两个模型合并训练的过程迭代训练，响应于迭代轮数达到迭代轮数阈值，停止迭代训练，生成目标训练模型。4.根据权利要求2所述的方法，其特征在于，所述根据所述训练数据及预设反馈数据对所述预训练模型训练，得到目标训练模型，包括：根据所述训练数据对所述预训练模型进行训练，得到第一训练模型；根据预设反馈数据对所述预训练模型进行训练，得到第二训练模型；利用强化学习算法将所述第一训练模型、第二训练模型合并训练；将所述第一训练模型、第二训练模型和将两个模型合并训练的过程迭代训练，响应于接收到结束指令，停止迭代训练，生成目标训练模型。5....

【专利技术属性】
技术研发人员：王玉龙，苏森，朱昊，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：