【技术实现步骤摘要】
本专利技术涉及人工智能领域，特别涉及训练搜索词生成模型的方法、生成搜索词的方法和装置、存储介质、电子设备以及计算机程序产品。
技术介绍
1、搜索词是指用户进行搜索时所使用的词语。希望通过文本生成一系列与文本高相关的搜索词，从而为后续的搜索召回以及文本推词提供支撑。
2、现有的搜索词生成方法主要存在以下两个缺点：
3、1.由于目前的方法是直接将文档内容输入到transformer模型中进行训练及推理，该模型仅针对文本进行编码，缺少针对文本与搜索词计算的过程，因此生成的搜索词很多都与文档不相关。
4、2.生成搜索词的任务属于文本生成领域的一个任务，因此生成的文本会遇到曝光过度的问题，从而导致生成的搜索词质量差，会出现叠词情况。曝光过度的问题是指，在训练的时候由于训练数据被模型记住，因此在推理的时候，当遇到没有见过的训练数据时，模型无法生成合适的搜索词。
5、因此，现有的搜索词生成方法并不理想。
技术实现思路
1、本申请实施例提供了训练搜索词生成模...
【技术保护点】
1.一种训练搜索词生成模型的方法，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，在分类步骤中，将所述相关性分数大于第一阈值的搜索词作为所述第一搜索词，并将所述相关性分数小于第二阈值的搜索词作为所述第二搜索词，
3.根据权利要求1所述的方法，其特征在于，所述第一损失函数被赋予第一权重，并且所述第二损失函数被赋予第二权重。
4.根据权利要求3所述的方法，其特征在于，在对所述预训练模型进行训练的过程中，动态地调整所述第一权重和所述第二权重。
5.根据权利要求1-4中任一项所述的方法，其特征...
【技术特征摘要】
1.一种训练搜索词生成模型的方法，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，在分类步骤中，将所述相关性分数大于第一阈值的搜索词作为所述第一搜索词，并将所述相关性分数小于第二阈值的搜索词作为所述第二搜索词，
3.根据权利要求1所述的方法，其特征在于，所述第一损失函数被赋予第一权重，并且所述第二损失函数被赋予第二权重。
4.根据权利要求3所述的方法，其特征在于，在对所述预训练模型进行训练的过程中，动态地调整所述第一权重和所述第二权重。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述预训练模型是预训练的mt5模型，所述相关性模型是bert模型。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一损失函数是最大似然损失函数，所述第二损失函数是对比学习损失函数。
7.一种生成搜索词的...
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。