[发明专利]模型训练方法、文本处理方法、装置及电子设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

当接收到训练请求时，获取训练文本集；

基于所述训练请求中是否携带有向量化方法的指定信息，确定目标向量化方法；

基于所述目标向量化方法对所述训练文本集进行向量化处理得到训练向量集；

基于所述训练向量集对所述训练请求中携带的任务标识信息对应的目标模型进行训练。

2.根据权利要求1所述的方法，其特征在于，还包括：

基于所述目标向量化方法以及训练完成的所述目标模型确定业务标识ID，将所述业务ID与训练完成的目标模型关联存储。

3.根据权利要求1所述的方法，其特征在于，所述基于所述训练请求中是否携带有向量化方法的指定信息，确定目标向量化方法，包括：

若所述训练请求中携带有向量化方法的指定信息，则基于所述指定信息对应的向量化方法确定为目标向量化方法；

若所述训练请求中未携带有向量化方法的指定信息，则基于预设规则确定目标向量化方法。

4.根据权利要求1所述的方法，其特征在于，所述任务标识信息包括以下至少一项：

文本分类任务的标识信息；

文本关键词提取任务的标识信息；

文本相似性判定任务的标识信息。

5.根据权利要求4所述的方法，其特征在于，若所述任务标识信息包括文本关键词提取任务的标识信息，所述基于预设规则确定目标向量化方法，包括：

将词频-逆文档频率TF-IDF算法确定为目标向量化方法。

6.根据权利要求4所述的方法，其特征在于，若所述任务标识信息包括文本相似性判定任务的标识信息，所述基于预设规则确定目标向量化方法，包括：

基于所述训练文本集的数据量，以及预设的数据量与向量化方法第一对应关系，确定所述目标向量化方法。

7.根据权利要求4所述的方法，其特征在于，若所述任务标识信息包括文本分类任务的标识信息，所述基于预设规则确定目标向量化方法，包括：

确定所述训练文本集中的文本是否属于商户名称；

若属于，则将商户名称向量化方法确定为目标向量化方法；

若不属于，则基于所述训练文本集的数据量，以及预设的数据量与向量化方法第二对应关系，确定所述目标向量化方法。

8.根据权利要求7所述的方法，其特征在于，当将商户名称向量化方法确定为目标向量化方法时，所述基于所述目标向量化方法对所述训练文本集进行向量化处理得到训练向量集，包括：

确定所述训练文本集的第一相似度矩阵；

对所述相似度矩阵进行聚类，确定中心向量；

确定所述训练文本集与所述中心向量的第二相似度矩阵，并从所述第二相似度矩阵中确定训练向量集。

9.根据权利要求7所述的方法，其特征在于，若所述训练向量集中的词均衡度不满足指定条件，所述基于所述训练向量集对所述训练请求中携带的任务标识信息对应的目标模型进行训练，包括：

对所述训练向量集进行抽样得到抽样向量集；

基于所述抽样向量集所述训练请求中携带的任务标识信息对应的目标模型进行训练。

10.根据权利要求7所述的方法，其特征在于，所述基于所述训练向量集对所述训练请求中携带的任务标识信息对应的目标模型进行训练，包括：

基于所述训练向量集的数据特征，在所述目标模型中确定目标分类模型；

基于所述训练向量集对所述目标分类模型进行训练。