【技术实现步骤摘要】
本专利技术涉及数据处理领域，特别涉及训练相关性模型的方法、计算相关性分数和装置、存储介质、电子设备。
技术介绍
1、搜索场景中非常重要的一个环节就是计算相关性分数，目前，大多数的计算相关性分数的方法主要包含两种方法：(1)基于树模型的计算方法，主要是采用例如lightgbm模型进行计算，基于树模型的方法一般需要搜索词与文本的多个维度的特征，从而计算搜索词与文本之间的相关性分数。(2)利用bert等预训练模型直接计算搜索词与文本之间的相关性分数。采用预训练模型的一般分为两种方法：第一种为先得到搜索词以及文档的向量表示，之后利用余弦相似度对搜索词与文本的相关性分数进行计算。第二种则是采用微调的方式计算相关性分数，具体的做法是将[query][sep][doc]作为bert模型的输入，之后将bert模型的[cls]位输出进行微调，接入一个全连接的神经网络模型以及交叉熵损失函数，从而得到搜索词与文本之间的相关性分数。
2、现有的两种相关性模型均有一定的缺点，其中，针对树模型的相关性模型的缺点为：(1)这类模型无法通过文本计算搜索词与...
【技术保护点】
1.一种训练相关性模型的方法，用于电子设备，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述文本摘要步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述标注步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述数据增强模型是神经网络模型。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一编码模型是BERT模型，所述相关性模型是BERT模型。
6.一种计算相关性分数的方法，用于电子设备，其特征在于，所述方法包括：
7.一种搜索方法，用于电子设备，其特...
【技术特征摘要】
1.一种训练相关性模型的方法，用于电子设备，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述文本摘要步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述标注步骤包括：
4.根据权利要求3所述的方法，其特征在于，所述数据增强模型是神经网络模型。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一编码模型是bert模型，所述相关性模型是bert模型。
6.一种计算相关性分数的方法，用于电子设备，其特征在于，所述方法包括：
7.一种搜索方法，用于电子设备，其特征在于，所述方法包括：
8.一种训...
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。