[发明专利]基于查询的分类器训练方法和装置

权利要求书

1.一种基于查询的分类器训练方法，其特征在于，包括：

采用LTR算法对查询训练集训练得到权重模型以及所述查询训练集的每个训练样本分别训练得到排序模型，其中，所述查询训练集包括多个查询，所述训练样本包括至少两个查询；

确定所述权重模型的第一宏平均准确率以及每个所述排序模型的第二宏平均准确率；

根据所述第一宏平均准确率和所述第二宏平均准确率确定分类器的增益；

根据所述增益确定所述分类器；

其中，所述权重模型为BM25模型。

2.根据权利要求1所述的方法，其特征在于，使用查询训练集训练得到权重模型包括：

使用所述查询训练集进行所述权重模型的训练以及使用验证集进行所述权重模型参数的优化。

3.根据权利要求1所述的方法，其特征在于，确定所述权重模型的第一宏平均准确率以及每个所述排序模型的第二宏平均准确率，包括：

根据测试集确定所述权重模型的所述第一宏平均准确率以及根据所述测试集确定每个所述排序模型的第二宏平均准确率。

4.根据权利要求1所述的方法，其特征在于，根据所述第一宏平均准确率和所述第二宏平均准确率确定分类器的增益，包括：

计算所述第一宏平均准确率和所述第二宏平均准确率的差值，将所述差值确定为所述分类器的增益。

5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述分类器为Logistic回归函数。

6.一种基于查询的分类器训练装置，其特征在于，包括：

训练模块，用于采用LTR算法对查询训练集训练得到权重模型以及所述查询训练集的每个训练样本分别训练得到排序模型，其中，所述查询训练集包括多个查询，所述训练样本包括至少两个查询；

第一确定模块，用于确定所述权重模型的第一宏平均准确率以及每个所述排序模型的第二宏平均准确率；

第二确定模块，用于根据所述第一宏平均准确率和所述第二宏平均准确率确定分类器的增益；

第三确定模块，用于根据所述增益确定所述分类器；

其中，所述权重模型为BM25模型。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的基于查询的分类器训练方法。

8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的基于查询的分类器训练方法。

9.一种终端，其特征在于，包括：

训练模块，用于采用LTR算法对查询训练集训练得到权重模型以及所述查询训练集的每个训练样本分别训练得到排序模型，其中，所述查询训练集包括多个查询，所述训练样本包括至少两个查询；其中，所述权重模型为BM25模型；

第一确定模块，用于确定所述权重模型的第一宏平均准确率以及每个所述排序模型的第二宏平均准确率；

第二确定模块，用于根据所述第一宏平均准确率和所述第二宏平均准确率确定分类器的增益；

第三确定模块，用于根据所述增益确定所述分类器；

处理器，所述处理器运行程序，其中，所述程序运行时对于从所述训练模块、所述第一确定模块、所述第二确定模块和所述第三确定模块输出的数据执行权利要求1至5中任意一项所述的基于查询的分类器训练方法。

10.一种终端，其特征在于，包括：

训练模块，用于采用LTR算法对查询训练集训练得到权重模型以及所述查询训练集的每个训练样本分别训练得到排序模型，其中，所述查询训练集包括多个查询，所述训练样本包括至少两个查询；其中，所述权重模型为BM25模型；

第一确定模块，用于确定所述权重模型的第一宏平均准确率以及每个所述排序模型的第二宏平均准确率；

第二确定模块，用于根据所述第一宏平均准确率和所述第二宏平均准确率确定分类器的增益；

第三确定模块，用于根据所述增益确定所述分类器；

存储介质，用于存储程序，其中，所述程序在运行时对于从所述训练模块、所述第一确定模块、所述第二确定模块和所述第三确定模块输出的数据执行权利要求1至5中任意一项所述的基于查询的分类器训练方法。