申请/专利权人：北京百度网讯科技有限公司

申请日：2023-02-09

公开（公告）日：2024-03-19

公开（公告）号：CN116050465B

主分类号：G06N3/045

分类号：G06N3/045;G06N3/08;G06F40/30

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.05.19#实质审查的生效;2023.05.02#公开

摘要：本公开提供了一种文本理解模型的训练方法和文本理解方法、装置、设备和介质，涉及人工智能领域，具体涉及自然语言处理和深度学习等技术领域，可应用于智能问答、智能搜索、智能推荐等场景。文本理解模型包括依次连接的多个编码子模型和输出层，至少一个编码子模型包括依次连接的编码器、门网络和多个专家网络。训练方法的具体实现方案为：确定与目标文本理解任务对应的有偏样本文本；将有偏样本文本输入多个编码子模型中排在首位的编码子模型，经由多个编码子模型对有偏样本文本依次处理，得到文本理解特征；将文本理解特征输入输出层，得到预测理解信息；以及根据有偏样本文本标注的真实理解信息和预测理解信息，对文本理解模型进行训练。

主权项：1.一种文本理解模型的训练方法，其中，所述文本理解模型包括依次连接的多个编码子模型和输出层；所述多个编码子模型中的至少一个编码子模型包括依次连接的编码器、门网络和多个专家网络；所述方法包括：确定与目标文本理解任务对应的有偏样本文本；将所述有偏样本文本输入所述多个编码子模型中排在首位的编码子模型，经由所述多个编码子模型对所述有偏样本文本依次处理，得到文本理解特征；将所述文本理解特征输入所述输出层，得到预测理解信息；以及根据所述有偏样本文本标注的真实理解信息和所述预测理解信息，对所述文本理解模型进行训练；其中，所述至少一个编码子模型中的每个编码子模型对所述有偏样本文本进行的处理包括：采用所述编码器对在前编码子模型得到的文本特征进行编码，得到编码特征；采用所述门网络对所述编码特征进行处理，得到所述多个专家网络中各网络的权重；以及根据所述权重，采用所述多个专家网络对所述编码特征进行处理，得到文本特征，其中，所述多个编码子模型中排在末位的编码子模型得到的文本特征为所述文本理解特征；在所述每个编码子模型为排在首位的编码子模型的情况下，所述在前编码子模型得到的文本特征为所述有偏样本文本；所述根据所述有偏样本文本标注的真实理解信息和所述预测理解信息，对所述文本理解模型进行训练包括：确定所述编码器的网络参数的取值和所述多个编码子模型中除所述至少一个编码子模型外的其他编码子模型的网络参数为定量；以及根据所述真实理解信息和所述预测理解信息，对所述至少一个编码子模型包括的门网络和专家网络进行训练。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 文本理解模型的训练方法和文本理解方法、装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD