一种分类模型的训练方法、装置、电子设备和存储介质制造方法及图纸

技术编号:40415085 阅读:27 留言:0更新日期:2024-02-20 22:32
本申请涉及计算机技术领域,尤其涉及人工智能技术领域,提供一种分类模型的训练方法、装置、电子设备和存储介质。方法包括:基于训练样本集对待训练的分类模型进行多轮训练;在一轮训练中,预测文本样本针对描述目标的立场;基于真实标签对应的一个因果分析的第二文本特征,结合相应文本样本的第一文本特征,生成相应的因果释义;基于文本样本对应的各因果分析集的第三文本特征集,对相应文本样本的各因果分析的正确性概率进行预测与排序,得到对应的预测排序结果;基于各预测立场、各因果释义和各预测排序结果,进行参数调整。由于本申请同时使模型进行文本样本本身以及因果分析的学习,因此可以提高模型的学习能力,进一步提高模型准确性。

【技术实现步骤摘要】

所属的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。与上述方法实施例基于同一专利技术构思,本申请实施例中还提供了一种电子设备。在一种实施例中,该电子设备可以是服务器,如图1所示的服务器120。在该实施例中,电子设备的结构可以如图13所示,包括存储器1301,通讯模块1303以及一个或多个处理器1302。存储器1301,用于存储处理器1302执行的计算机程序。存储器1301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。存储器1301可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,ram);存储器1301也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash mem本文档来自技高网...

【技术保护点】

1.一种分类模型的训练方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,每个因果分析由至少一个分析令牌组成,所述因果分析的第二文本特征包含所述因果分析中各分析令牌的第二文本特征,每个因果释义表征相应的一个因果分析中的各个分析令牌的生成概率;每个因果释义中的各个分析令牌的生成概率是通过如下方式依次得到的:

3.如权利要求1所述的方法,其特征在于,每个因果分析由至少一个分析令牌组成,所述分别基于所述各文本样本各自对应的至少一个因果分析集的第三文本特征集,对相应文本样本对应的各因果分析的正确性概率进行预测与排序,包括:

4.如权利要求...

【技术特征摘要】

1.一种分类模型的训练方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,每个因果分析由至少一个分析令牌组成,所述因果分析的第二文本特征包含所述因果分析中各分析令牌的第二文本特征,每个因果释义表征相应的一个因果分析中的各个分析令牌的生成概率;每个因果释义中的各个分析令牌的生成概率是通过如下方式依次得到的:

3.如权利要求1所述的方法,其特征在于,每个因果分析由至少一个分析令牌组成,所述分别基于所述各文本样本各自对应的至少一个因果分析集的第三文本特征集,对相应文本样本对应的各因果分析的正确性概率进行预测与排序,包括:

4.如权利要求3所述的方法,其特征在于,每个因果分析的正确性概率是通过如下方式获得的:

5.如权利要求1~4任一项所述的方法,其特征在于,每个因果释义表征相应的一个因果分析中的各个分析令牌的生成概率,所述基于各预测立场、各因果释义和各预测排序结果,进行参数调整,包括:

6.如权利要求5所述的方法,其特征在于,所述参考排序结果是将相应文本样本对应的各因果分析输入至预先训练好的排序模型中得到的。

7.如权...

【专利技术属性】
技术研发人员:罗云杨振孟凡东
申请(专利权)人:腾讯科技深圳有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1