[发明专利]文本匹配模型训练方法、文本匹配方法、装置和电子设备

说明书

本申请实施例提供了文本匹配模型训练方法、文本匹配方法、装置和电子设备。所述文本匹配模型训练方法的实施例包括：基于已标注的样本集训练得到基础模型，样本集中的每个样本包括第一文本、第二文本和用于指示第一文本和第二文本是否匹配的标注，每个样本在训练基础模型过程中权重相等；利用基础模型计算每个样本中第一文本与第二文本的相似度，并根据相似度计算每个样本的权重；根据每个样本以及每个样本的权重，对基础模型进行训练，得到训练后的模型。该实施方式能够提供一种可以用于进行文本匹配的模型，且通过该模型进行文本匹配能够提高文本匹配结果的准确性。

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种文本匹配模型训练方法、文本匹配方法、装置和电子设备。

背景技术

在很多场景中，需要进行文本的匹配。以机器智能问答场景为例，通常需要将用户的问题与知识库中的预置问题进行匹配，从而基于匹配结果，从知识库中选取相应的答案并返回给客户。例如，用户提问“请问企业3号上班是否违法”，则应匹配到知识库中的问题“公司要求提前上班”，从而返回该问题对应的答案“企业不能提前复工，延迟复工的文件具有强制力”。

现有技术中，通常通过构建样本集，并直接利用样本集中的样本训练一个文本匹配模型，通过该文本匹配模型来检测两个文本的相似度，从而基于该相似度确定这两个文本是否匹配。然而，对于一些易混淆的文本，如“请问企业3号上班是否违法”和“几号上班”等，这种方式生成的文本匹配模型往往会输出较高的相似度，导致得出错误的文本匹配结果，造成文本匹配结果的准确性较低。

发明内容

本申请实施例提出了文本匹配模型训练方法、文本匹配方法、装置和电子设备，以提供一种可以用于进行文本匹配的模型，且通过该文本匹配模型进行文本匹配能够提高文本匹配结果的准确性。

第一方面，本申请实施例提供了一种文本匹配模型训练方法，包括：基于已标注的样本集训练得到基础模型，样本集中的每个样本包括第一文本、第二文本和用于指示第一文本和第二文本是否匹配的标注，每个样本在训练基础模型过程中权重相等；利用基础模型计算每个样本中第一文本与第二文本的相似度，并根据相似度计算每个样本的权重；根据每个样本以及每个样本的权重，对基础模型进行训练，得到训练后的模型。

第二方面，本申请实施例还提供了一种文本匹配方法，包括：接收问答请求，问答请求中包括用户提问文本；分别将知识库中的预置提问文本与用户提问文本进行组合，将组合输入至采用第一方面中的方法训练后的模型，得到用户提问文本与预置提问文本的相似度；基于相似度，确定知识库中与用户提问文本匹配的目标预置提问文本；从知识库中获取目标预置提问文本关联的答复文本，并返回答复文本。

第三方面，本申请实施例还提供了一种文本匹配方法，包括：接收文本相似度检测请求，文本相似度检测请求中包括第一待测文本和第二待测文本；分别将第一待测文本和第二待测文本输入至采用第一方面中的方法训练后的模型，得到第一待测文本和第二待测文本的相似度；基于相似度确定第一待测文本与第二待测文本是否匹配，并返回匹配结果。

第四方面，本申请实施例还提供了一种文本匹配模型训练装置，包括：第一训练单元，被配置成基于已标注的样本集训练得到基础模型，样本集中的每个样本包括第一文本、第二文本和用于指示第一文本和第二文本是否匹配的标注，每个样本在训练基础模型过程中权重相等；相似度计算单元，被配置成利用基础模型计算每个样本中第一文本与第二文本的相似度，并根据相似度计算每个样本的权重；第二训练单元，被配置成根据每个样本以及每个样本的权重，对基础模型进行训练，得到训练后的模型。

第五方面，本申请实施例还提供了一种文本匹配装置，包括：接收单元，被配置成接收问答请求，问答请求中包括用户提问文本；输入单元，被配置成分别将知识库中的预置提问文本与用户提问文本进行组合，将组合输入至采用第一方面中的方法训练后的模型，得到用户提问文本与预置提问文本的相似度；确定单元，被配置成基于相似度，确定知识库中与用户提问文本匹配的目标预置提问文本；返回单元，被配置成从知识库中获取目标预置提问文本关联的答复文本，并返回答复文本。