[发明专利]文本分类模型训练方法和装置

权利要求书

1.一种文本分类模型训练方法，其特征在于，包括：

获取样本文本；单个所述样本文本包括：正文和与正文对应的标题；

将所述样本文本输入待训练的文本分类模型，以生成所述样本文本的正文在不同维度下的正文语义特征向量，和所述样本文本的标题在所述不同维度下的标题语义特征向量；其中，所述不同维度中的最大维度，基于预设的文本分类标签的数量确定；

从所述不同维度下的正文语义特征向量和所述不同维度下的标题语义特征向量中，选取至少一对匹配于相同的所述文本分类标签、且具备相同维度的正文语义特征向量和标题语义特征向量，作为第一类语义特征向量对；

基于所述样本文本的正负样本类型，采用调整所述文本分类模型的参数，以使得第一类语义特征向量对中的正文语义特征向量的值和所述第一类语义特征向量对中的标题语义特征向量的值最大化或最小化的方式，执行对所述待训练的文本分类模型的训练。

2.根据权利要求1所述的文本分类模型训练方法，其特征在于，

基于所述样本文本的正负样本类型，采用调整所述文本分类模型的参数，以使得第一类语义特征向量对中的正文语义特征向量的值和所述第一类语义特征向量对中的标题语义特征向量的值最大化或最小化的方式，执行对所述待训练的文本分类模型的训练，具体包括：

若所述样本文本的类型为正样本，则采用调整所述文本分类模型的参数，以使得所述第一类语义特征向量对中的正文语义特征向量的值和所述第一类语义特征向量对中的标题语义特征向量的值最大化的方式，执行所述文本分类模型的训练；

若所述样本文本的类型为负样本，则采用调整所述文本分类模型的参数，以使得所述第一类语义特征向量对中的正文语义特征向量的值和所述第一类语义特征向量对中的标题语义特征向量的值最小化的方式，执行所述文本分类模型的训练。

3.根据权利要求2所述的文本分类模型训练方法，其特征在于，所述方法还包括：

从所述不同维度下的正文语义特征向量和所述不同维度下的标题语义特征向量中，选取至少一对匹配于不同的所述文本分类标签、且具备相同维度的正文语义特征向量和标题语义特征向量，作为第二类语义特征向量对；则，

所述基于所述样本文本的正负样本类型，采用调整所述文本分类模型的参数，以使得第一类语义特征向量对中的正文语义特征向量的值和所述第一类语义特征向量对中的标题语义特征向量的值最大化或最小化的方式，执行对所述待训练的文本分类模型的训练，还包括：

若所述样本文本的类型为正样本，则采用调整所述文本分类模型的参数，以使得所述第二类语义特征向量对中的正文语义特征向量的值和所述第二类语义特征向量对中的标题语义特征向量的值最小化的方式，执行所述文本分类模型的训练。

4.根据权利要求3所述的文本分类模型训练方法，其特征在于，从所述不同维度下的正文语义特征向量和所述不同维度下的标题语义特征向量中，选取至少一对匹配于相同的所述文本分类标签、且具备相同维度的正文语义特征向量和标题语义特征向量，作为第一类语义特征向量对，具体包括：

按照所述不同维度下的正文语义特征向量的值由大至小的顺序，依次选取指定数量的正文语义特征向量；

按照所述不同维度下的标题语义特征向量的值的由大至小的顺序，依次选取所述指定数量的标题语义特征向量；

从选取的所述指定数量的正文语义特征向量和所述指定数量的标题语义特征向量中，选取至少一对匹配于相同所述文本分类标签、且具备相同维度的正文语义特征向量和标题语义特征向量，作为第一类语义特征向量对。

5.根据权利要求1～4任一权项所述的文本分类模型训练方法，其特征在于，所述待训练的文本分类模型包括伪孪生神经网络；则，

将所述样本文本输入待训练的文本分类模型，以生成所述样本文本的正文在不同维度下的正文语义特征向量，和所述样本文本的标题在所述不同维度下的标题语义特征向量，具体包括：

将所述样本文本中的正文和标题分别输入到伪孪生神经网络的两侧神经网络中，以得到所述样本文本的正文在不同维度下的正文语义特征向量，以及所述样本文本的标题在所述不同维度下的标题语义特征向量。