申请/专利权人:北京捷通华声科技股份有限公司
申请日:2023-11-30
公开(公告)日:2024-04-05
公开(公告)号:CN117827887A
主分类号:G06F16/2453
分类号:G06F16/2453;G06F16/2455;G06F16/2458
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本申请提供了一种复数域稠密通道的召回方法、系统、电子设备及存储介质,涉及信息检索技术领域。本申请在训练目标稠密通道召回模型时充分考虑了问题语义信息和文档语义信息之间的关联性,且仅通过一个初始稠密通道召回模型来训练问题语义信息和文档语义信息组成的训练样本,不仅能够使模型的输出结果更加准确,还大大减少了模型的训练成本,将本申请的目标稠密通道召回模型应用于信息检索,能够得到更加准确的召回结果。
主权项:1.一种复数域稠密通道的召回方法,其特征在于,所述方法包括:获取待检索的问题语义信息;将所述待检索的问题语义信息输入预先训练的目标稠密通道召回模型,并通过所述目标稠密通道召回模型对所述待检索的问题语义信息以及所述待检索的问题语义信息对应的文档语义信息进行向量编码;计算所述待检索的问题语义信息的向量与所述文档语义信息的向量之间的余弦相似度,并根据所述余弦相似度得到所述目标稠密通道召回模型的召回结果,其中,所述目标稠密通道召回模型是通过如下步骤训练得到的:获取训练数据集,其中,所述训练数据集中的每一组训练数据包括一个问题语义信息、所述问题语义信息对应的文档语义信息以及训练标签;将任一组所述训练数据作为一个复变量训练样本输入到初始稠密通道召回模型中进行模型训练,其中,所述问题语义信息作为所述复变量训练样本的虚部,所述文档语义信息作为所述复变量训练样本的实部;分别计算所述复变量训练样本的二分类损失函数值和对比学习损失函数值,并将所述二分类损失函数值和所述对比学习损失函数值进行加权融合,得到联合损失函数值;基于所述联合损失函数值,更新所述初始稠密通道召回模型的模型参数,得到所述目标稠密通道召回模型。
全文数据:
权利要求:
百度查询: 北京捷通华声科技股份有限公司 复数域稠密通道的召回方法、系统、电子设备及存储介质
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。