相关性评估模型的训练方法和装置与流程

本公开的实施例涉及计算机，具体涉及相关性评估模型的训练方法和装置。

背景技术：

1、物品搜索平台主要用于根据用户喜好以及意图结合平台策略，从海量的候选物品中筛选出与用户的意图最相近、最感兴趣的物品，并展示给用户。

2、目前，传统的物品检索过程主要分为物品检索召回、排序过滤和展示三个阶段。物品的相关性评估主要作用在物品检索召回阶段，根据相关性评分作为召回检索的依据。

技术实现思路

1、本公开的实施例提出了相关性评估模型的训练方法和装置。

2、第一方面，本公开的实施例提供了一种相关性评估模型的训练方法，该方法包括：获取用户在物品搜索平台上的历史点击行为数据，其中，历史点击行为数据包括历史搜索关键词和历史点击物品信息；基于历史点击行为数据，生成训练样本集；利用训练样本集对基于转换器的模型进行训练，得到相关性评估模型，其中，相关性评估模型用于评估搜索关键词与对应的搜索结果中的每条物品信息的相关性，且相关性预估模型完全基于自注意力机制，在预估单个词语时聚焦输入序列中的所有词语。

3、第二方面，本公开的实施例提供了一种相关性评估方法，该方法包括：获取搜索关键词与对应的搜索结果；将搜索关键词与对应的搜索结果输入至预先训练的相关性评估模型，得到搜索关键词与对应的搜索结果中的每条物品信息的相关性概率，其中，相关性评估模型是利用第一方面所描述的方法训练得到的。

4、第三方面，本公开的实施例提供了一种相关性评估模型的训练装置，该装置包括：获取单元，被配置成获取用户在物品搜索平台上的历史点击行为数据，其中，历史点击行为数据包括历史搜索关键词和历史点击物品信息；生成单元，被配置成基于历史点击行为数据，生成训练样本集；训练单元，被配置成利用训练样本集对基于转换器的模型进行训练，得到相关性评估模型，其中，相关性评估模型用于评估搜索关键词与对应的搜索结果中的每条物品信息的相关性，且相关性预估模型完全基于自注意力机制，在预估单个词语时聚焦输入序列中的所有词语。

5、第四方面，本公开的实施例提供了一种相关性评估装置，该装置包括：获取单元，被配置成获取搜索关键词与对应的搜索结果；评估单元，被配置成将搜索关键词与对应的搜索结果输入至预先训练的相关性评估模型，得到搜索关键词与对应的搜索结果中的每条物品信息的相关性概率，其中，相关性评估模型是利用第三方面所描述的装置训练得到的。

6、第五方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第二方面中任一实现方式描述的方法。

7、第六方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

8、本公开的上述实施例提供的方法，利用基于转换器的模型训练相关性评估模型。基于转换器的模型完全基于自注意力机制，在预估单个词语时聚焦输入序列中的所有词语。利用基于转换器的模型对语料长程依赖关系捕捉准确的优势。此外，还使用多头自注意力机制和残差连接以提高模型的预估效果。

技术特征：

1.一种相关性评估模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述基于所述历史点击行为数据，生成训练样本集，包括：

3.根据权利要求2所述的方法，其中，所述从所述候选样本集中选取至少部分候选样本，生成所述训练样本集，包括：

4.根据权利要求1所述的方法，其中，所述利用所述训练样本集对基于转换器的模型进行训练，包括：

5.根据权利要求4所述的方法，其中，所述方法还包括：

6.根据权利要求4所述的方法，其中，所述方法还包括：

7.一种相关性评估方法，包括：

8.根据权利要求7所述的方法，其中，所述相关性评估模型的数目是多个；以及所述方法还包括：

9.根据权利要求7所述的方法，其中，所述方法还包括：

10.根据权利要求7-9中任一项所述的方法，其中，所述方法还包括：

11.一种相关性评估模型的训练装置，包括：

12.一种相关性评估装置，包括：

13.一种电子设备，包括：

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-10中任一所述的方法。

技术总结本公开的实施例公开了相关性评估模型的训练方法和装置。该方法的一具体实施方式包括：获取用户在物品搜索平台上的历史点击行为数据，其中，历史点击行为数据包括历史搜索关键词和历史点击物品信息；基于历史点击行为数据，生成训练样本集；利用训练样本集对基于转换器的模型进行训练，得到相关性评估模型，其中，相关性评估模型用于评估搜索关键词与对应的搜索结果中的每条物品信息的相关性，且相关性预估模型完全基于自注意力机制，在预估单个词语时聚焦输入序列中的所有词语。该实施方式利用基于转换器的模型训练相关性评估模型，提高了模型的预估效果。技术研发人员：鞠振刚,金均生,江雪,刘明华,贺晓宇,魏望,王景森,张国威受保护的技术使用者：北京沃东天骏信息技术有限公司技术研发日：技术公布日：2024/9/2