[发明专利]生成兴趣点提取模型和提取兴趣点的方法和装置

权利要求书

1.一种生成兴趣点提取模型的方法，包括：

获取主任务样本集和子任务样本集，其中，主任务样本包括文本信息和标注的兴趣点，子任务样本包括兴趣点和标签；

将所述主任务样本集中每个文本信息作为输入，将每个文本信息对应的标注的兴趣点作为期望输出，训练多任务学习模型的共享层和第一条件随机场层；

将所述子任务样本集中每个兴趣点作为输入，将每个兴趣点对应的标签作为期望输出，训练多任务学习模型的共享层和子任务输出层；

响应于确定出所述多任务学习模型达到预定的训练完成条件，将所述共享层和所述第一条件随机场层确定为兴趣点提取模型。

2.根据权利要求1所述的方法，其中，子任务包括以下至少一种：兴趣点成分分析任务、兴趣点分块任务、兴趣点语义匹配任务；以及所述兴趣点成分分析任务对应的子任务样本包括：兴趣点和成分标签，所述兴趣点分块任务对应的子任务样本包括：兴趣点和分块标签，所述兴趣点语义匹配任务对应的子任务样本包括：2个兴趣点和语义匹配标签，3种子任务输出层分别为第二条件随机场层、第三条件随机场层、语义匹配模型。

3.根据权利要求1所述的方法，其中，所述将所述主任务样本集中每个文本信息作为输入，将所述主任务样本集中每个标注的兴趣点作为期望输出，训练多任务学习模型的共享层和第一条件随机场层，包括：

从所述主任务样本集选取主任务样本，执行第一训练步骤：将主任务样本中的文本信息输入多任务学习模型的共享层，得到文本信息的特征；将文本信息的特征输入第一条件随机场层，输出预测的兴趣点；将预测的兴趣点与标注的兴趣点进行比较；根据比较结果确定所述多任务学习模型是否达到预设的第一达标条件；响应于确定所述多任务学习模型未达到所述第一达标条件，调整所述多任务学习模型的共享层和第一条件随机场层的网络参数，以及从所述主任务样本集中重新选取主任务样本，使用调整后的多任务学习模型，继续执行所述第一训练步骤。

4.根据权利要求2所述的方法，其中，若子任务包括兴趣点成分分析任务，则所述将所述子任务样本集中每个兴趣点作为输入，将所述子任务样本集中每个标签作为期望输出，训练多任务学习模型的共享层和子任务输出层，包括：

从兴趣点成分分析任务对应的子任务样本集选取子任务样本，执行第二训练步骤：将子任务样本中的兴趣点输入多任务学习模型的共享层，得到兴趣点的特征；将兴趣点的特征输入第二条件随机场层，输出预测的成分；将预测的成分与成分标签进行比较；根据比较结果确定所述多任务学习模型是否达到预设的第二达标条件；响应于确定所述多任务学习模型未达到所述第二达标条件，调整所述多任务学习模型的共享层和第二条件随机场层的网络参数，以及从兴趣点成分分析任务对应的子任务样本集中重新选取子任务样本，使用调整后的多任务学习模型，继续执行所述第二训练步骤。

5.根据权利要求2所述的方法，其中，若子任务包括兴趣点分块任务，则所述将所述子任务样本集中每个兴趣点作为输入，将所述子任务样本集中每个标签作为期望输出，训练多任务学习模型的共享层和子任务输出层，包括：

从兴趣点分块任务对应的子任务样本集选取子任务样本，执行第三训练步骤：将子任务样本中的兴趣点输入多任务学习模型的共享层，得到兴趣点的特征；将兴趣点的特征输入第三条件随机场层，输出预测的分块；将预测的分块与分块标签进行比较；根据比较结果确定所述多任务学习模型是否达到预设的第三达标条件；响应于确定所述多任务学习模型未达到所述第三达标条件，调整所述多任务学习模型的共享层和第三条件随机场层的网络参数，以及从兴趣点分块任务对应的子任务样本集中重新选取子任务样本，使用调整后的多任务学习模型，继续执行所述第三训练步骤。