[发明专利]基于人工智能的特征处理模型的训练方法及装置

说明书

本发明提供一种基于人工智能的特征处理模型的训练方法及装置；应用于内容推荐领域或内容问答领域，方法包括：获取样本对象的特征元素及对应特征元素的至少两个层级元素；层级元素用于构建对应特征元素的特征层级结构；特征层级结构中，上层级的第一层级元素映射至相邻下层级的至少一个第二层级元素，且至少一个第二层级元素的元素信息，用于组合表征第一层级元素的元素信息；对特征元素及至少两个层级元素进行组合，得到对应样本对象的组合特征样本；构建包括至少两种组合特征样本的样本集合；基于样本集合，训练特征处理模型，以使特征处理模型能够基于输入的目标对象的组合特征，输出相应的特征组合向量。

技术领域

本发明涉及人工智能技术，尤其涉及一种基于人工智能的特征处理模型的 训练方法、装置、电子设备及存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通 过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的 功能。自然语言处理(Nature Language Processing，NLP)是计算机科学领域与 人工智能领域中的一个重要方向，能够实现人与计算机之间用自然语言进行有 效通信，通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等 技术。

对象(即Item)除了包括特征元素之外，通常还包括特征元素对应的层级 结构的层级元素，例如，对于歌曲《之乎者也》而言，它由罗大佑演唱、作词、 作曲，收录于专辑名《之乎者也》，则这首歌曲包括的特征元素为：罗大佑、 之乎者也，特征元素对应的层级元素为：演唱者、作词者、作曲者、专辑、歌 名等。在实际应用中，由于每个特征元素可能有不同数量的层级元素，相关技 术尚且无法按照固定通用的方式进行层级元素的编码，因此通常仅利用对象的 特征元素进行自然语言的理解，而忽略对象的层级元素，使得理解的效果有待 进一步提高。

发明内容

本发明实施例提供一种基于人工智能的特征处理模型的训练方法、装置、 电子设备及存储介质，能够提供一种应用于内容推荐领域或内容问答领域的特 征处理模型，实现将对象的特征元素及对应的层级元素进行编码，得到由用于 表征特征元素的特征向量、及用于表征特征元素所处特征层级的层级向量组合 得到的组合向量。

本发明实施例提供一种基于人工智能的特征处理模型的训练方法，应用于 内容推荐领域或内容问答领域，方法包括：

基于所述内容推荐领域中内容推荐数据或所述内容问答领域中的问答数 据，获取样本对象的特征元素，及对应所述特征元素的至少两个层级元素；

其中，所述层级元素，用于构建对应所述特征元素的特征层级结构，所述 特征层级结构对应由上而下的阶梯层级；

所述特征层级结构中，上层级的第一层级元素映射至相邻下层级的至少一 个第二层级元素，且所述至少一个第二层级元素的元素信息，用于组合表征所 述第一层级元素的元素信息；

对所述特征元素及所述至少两个层级元素进行组合，得到对应所述样本对 象的组合特征样本；

构建包括至少两种组合特征样本的样本集合；

基于所述样本集合，训练特征处理模型，以使所述特征处理模型能够基于 输入的目标对象的组合特征，输出相应的特征组合向量；

其中，所述特征组合向量包括：对应所述目标对象的特征元素的特征向量， 及用于表征所述目标对象的特征元素的特征层级结构的层级向量。

上述方案中，所述对所述特征元素及所述至少两个层级元素进行组合，得 到对应所述样本对象的组合特征样本，包括：

基于所述特征元素及所述至少两个层级元素，确定对应所述样本对象的目 标类型的特征树，所述特征树包括对应所述目标类型的特征元素的子节点、及 用于表征所述目标类型的特征元素的层级信息的父节点；