[发明专利]模型训练方法、装置、计算机设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取文本样本数据；

将所述文本样本数据输入第一模型中，得到第一样本特征数据，根据所述第一样本特征数据确定第一损失；

将所述文本样本数据输入第二模型中，得到第二样本特征数据，根据所述第一样本特征数据和所述第二样本特征数据确定第二损失；

将所述文本样本数据输入第三模型中，得到第三样本特征数据，基于预设条件，确定以所述第一样本特征数据和所述第三样本特征数据的相似度得到第三损失，或以所述第三样本特征数据之间的相似度以及所述第一样本特征数据和所述第三样本特征数据之间的相似度得到第三损失；

根据所述第一损失、所述第二损失和所述第三损失确定损失函数，所述损失函数用于对所述第一模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述文本样本数据包括第一样本、第二样本和第三样本，且所述第二样本与第一样本语义相近，所述第三样本与第一样本语义相反；所述将所述文本样本数据输入第一模型中，得到第一样本特征数据，包括：

将所述文本样本数据输入所述第一模型中，根据所述第一样本得到第一目标特征数据；

根据所述第二样本，得到第二目标特征数据；

根据所述第三样本，得到第三目标特征数据；

所述将所述文本样本数据输入第二模型中，得到第二样本特征数据，包括：

将所述文本样本数据输入所述第二模型中，根据所述第一样本得到第四目标特征数据；

根据所述第二样本，得到第五目标特征数据；

根据所述第三样本，得到第六目标特征数据；

所述将所述文本样本数据输入第三模型中，得到第三样本特征数据，包括：

将所述文本样本数据输入所述第三模型中，根据所述第一样本得到第七目标特征数据；

根据所述第二样本，得到第八目标特征数据；

根据所述第三样本，得到第九目标特征数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本特征数据确定第一损失，包括：

根据所述第一目标特征数据和所述第二目标特征数据，确定第一相似度；

根据所述第一目标特征数据和所述第三目标特征数据，确定第二相似度；

根据所述第一相似度和所述第二相似度，确定所述第一损失。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述第一相似度和所述第二相似度，确定第一熵值；

根据所述第一熵值确定所述第二损失对应的第一权重和所述第三损失对应的第二权重；

所述根据所述第一损失、所述第二损失和所述第三损失确定损失函数，包括：

根据所述第一损失、所述第二损失、所述第一权重、所述第三损失及所述第二权重确定所述损失函数。

5.根据权利要求3所述的方法，其特征在于，所述基于预设条件，确定以所述第一样本特征数据和所述第三样本特征数据的相似度得到第三损失，或以所述第三样本特征数据之间的相似度以及所述第一样本特征数据和所述第三样本特征数据之间的相似度得到第三损失，包括：

根据所述第一相似度和所述第二相似度确定平均熵值；

若所述平均熵值大于预设阈值，则确定以所述第一样本特征数据和所述第三样本特征数据的相似度得到第三损失；

若所述平均熵值小于或等于预设阈值，则确定以所述第三样本特征数据之间的相似度以及所述第一样本特征数据和所述第三样本特征数据之间的相似度得到第三损失。

6.根据权利要求2所述的方法，其特征在于，根据所述第一样本特征数据和所述第二样本特征数据确定第二损失，包括：

根据所述第一目标特征数据和所述第四目标特征数据，确定第三相似度；

根据所述第一目标特征数据和所述第五目标特征数据、第六目标特征数据，确定第四相似度；

根据所述第三相似度和所述第四相似度，确定所述第二损失。