本公开提供了一种用于文本处理模型的训练方法、装置、电子设备和介质，涉及人工智能领域，尤其涉及自然语言处理领域。方法可以包括：获得原始样本集合，原始样本集合包括多个样本文本；基于原始样本集合获得第一样本集合和第二样本集合，第一样本集合和第二样本集合中的样本分别一一对应；基于第一样本集合和第二样本集合获得两个或更多个样本对，包括至少一个正样本对，每个正样本对包括第一和第二样本集合中关联的样本；基于两个或更多个样本对和文本处理模型，获得两个或更多个样本对的每个文本距离；以及基于至少一个策略调整文本处理模型的参数，至少一个策略包括用于减少至少一个正样本对的相应的文本距离的第一策略。正样本对的相应的文本距离的第一策略。正样本对的相应的文本距离的第一策略。
【技术实现步骤摘要】
用于文本处理模型的训练方法、装置、电子设备、介质
[0001]本公开涉及人工智能
，尤其涉及自然语言处理，具体涉及一种用于文本处理模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
[0004]本公开提供了一种用于文本处理模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面，提供了一种用于文本处理模型的训练方法，包括：获得原始样本集合，所述原始样本集合包括多个样本文本；基于所述原始样本集合获得第一样本集合和第二样本集合，所述第一样本集合和第二样本集合中的样本分别一一对应；基于所述第一样本集合和所述第二样本集合获得两个或更多个样本对，其中所述两个或更多个样本对包括至少一个正样本对，每个正样本对包括所述第一样本集合和所述第二样本集合中的关联的两个样本；基于所述两个或更多个样本对和文本处理模型，获得所述两个或更多个样本对的每个文本距离，其中，每个文本距离表示样本对中的两个样本之间的特征距离；以及基于至少一个策略调整所述文本处理模型的参数，所述至少一个策略包括用于减少所述至少一个正样本对的相应的文本距离的第一策略。
[0006]根据本公开的另一方面，提供了一种用于文本处理模型的训练装置，包括：第一样本获得单元，用于获得原始样本集合，所述原始样本集合包括多个样本文本；第二样本获得单元，用于基于所述原始样本集合获得第一样本集合和第二样本集合，所述第一样本集合和第二样本集合中的样本分别一一对应；第三样本获得单元，用于基于所述第一样本集合和所述第二样本集合获得两个或更多个样本对，其中所述两个或更多个样本对包括至少一个正样本对，每个正样本对包括所述第一样本集合和所述第二样本集合中的关联的两个样本；距离获得单元，用于基于所述两个或更多个样本对和文本处理模型，获得所述两个或更多个样本对的每个文本距离，其中，每个文本距离表示样本对中的两个样本之间的特征距离；以及调整单元，用于基于至少一个策略调整所述文本处理模型的参数，所述至少一个策略包括用于减少所述至少一个正样本对的相应的文本距离的第一策略。
[0007]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的一个或多个实施例的用于文本处理模型的训练方法。
[0008]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的一个或多个实施例的用于文本处理模型的训练方法。
[0009]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的用于文本处理模型的训练方法。
[0010]根据本公开的一个或多个实施例，可以更有效地获得语义表示。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0013]图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0014]图2示出了根据本公开的实施例的用于文本处理模型的训练方法的流程图；
[0015]图3示出了根据本公开的实施例的模型的示意图；
[0016]图4A
‑
4C示出了可以实现根据本公开的实施例的样本增强策略的示意图；
[0017]图5示出了根据本公开的实施例的用于文本处理模型的训练装置的结构框图；
[0018]图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0021]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0022]下面将结合附图详细描述本公开的实施例。
[0023]图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
[0024]在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的用于文本处理模型的训练方法的一个或多个服务或软件应用。
[0025]在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于文本处理模型的训练方法，包括：获得原始样本集合，所述原始样本集合包括多个样本文本；基于所述原始样本集合获得第一样本集合和第二样本集合，所述第一样本集合和第二样本集合中的样本分别一一对应；基于所述第一样本集合和所述第二样本集合获得两个或更多个样本对，其中所述两个或更多个样本对包括至少一个正样本对，每个正样本对包括所述第一样本集合和所述第二样本集合中的关联的两个样本；基于所述两个或更多个样本对和文本处理模型，获得所述两个或更多个样本对的每个文本距离，其中，每个文本距离表示样本对中的两个样本之间的特征距离；以及基于至少一个策略调整所述文本处理模型的参数，所述至少一个策略包括用于减少所述至少一个正样本对的相应的文本距离的第一策略。2.根据权利要求1所述的方法，其中，基于原始样本集合获得第一样本集合和第二样本集合包括：通过对所述原始样本集合进行第一样本增强操作，获得所述第一样本集合；以及通过对所述原始样本集合进行第二样本增强操作，获得所述第二样本集合。3.根据权利要求2所述的方法，其中，所述第一样本集合和所述第二样本集合中的关联的两个样本包括对所述原始样本集合中的同一原始样本分别增强获得的两个样本。4.根据权利要求2或3所述的方法，其中，所述多个样本文本中的每个样本文本包括一个或多个分词，并且其中，所述第一样本增强操作和所述第二样本增强操作中的每个增强操作选自包括以下各个操作的组：删除操作，所述删除操作用于删除样本中的一个或多个分词；乱序操作，所述乱序操作用于交换样本中的两个片段，每个片段包括一个或多个连续分词；替换操作，所述替换操作用于使用同义词替换样本中的至少一个分词。5.根据权利要求1
‑
4中任一项所述的方法，其中，所述多个样本文本中的每个样本文本是句子，并且其中，每个文本距离表示样本对中的两个样本之间的句子级别的特征距离。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述两个或更多个样本对包括至少一个负样本对，并且其中，每个负样本对包括所述第一样本集合和所述第二样本集合中的不关联的两个样本。7.根据权利要求1
‑
6中任一项所述的方法，其中，所述至少一个策略还包括用于降低掩码语言模型损失函数的第二策略。8.一种用于文本处理模型的训练装置，包括：第一样本获得单元，用于获得原始样本集合，所述原始样本集合包括多个样本文本；第二样本获得单元，用于基于所述原始样本集合获得第一样本集合和第二样本集合，所述第一样本集合和第二样本集合中的样本分别一一对应；第三样本获得单元，用于基于所述第一样本集合和所述第二样本集合获得两个或更多个样本对，其中所述两个或更多个样本对包...
【专利技术属性】
技术研发人员：念天磊，
申请(专利权)人：北京度商软件技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。