[发明专利]一种基于深度文本匹配模型的文本排序方法

权利要求书

1.一种基于深度文本匹配模型的文本排序方法，其特征在于：包括以下步骤：

S01)、模型训练，

首先准备训练集，将单个样本组织为一个句子序列(Q，A1，A2，…，Ai，…，An)，其中Q表示被对比句，A1至An表示n个要与Q进行对比的对比句，单个样本中句子对(Q，Ai)的真实相似度为r(i)，对于其他样本进行相同操作，形成训练集；

将所有样本按照一定的batch_size输入深度文本匹配模型，batch_size表示训练过程每一步需要的样本数目；首先将句子序列中的问题Q分别与句子Ai组成句对(Q，Ai)，然后分别将句对输入深度文本匹配模型进行计算，得到句对的预测相似度值s_i；

对于单个样本损失计算如下：

其中s_i、s_j分别表示由模型计算的句子对(Q，Ai)和(Q，Aj)的预测相似度，r(i)、r(j)分别表示句子对(Q，Ai)和(Q，Aj)的真实相似度，ΔNDCG表示交换位置i,j前后计算的NDCG的差值，用来表示排错的代价；σ表示σ激活函数；根据上述损失值调整深度文本匹配模型的参数，从而得出训练好的深度文本匹配模型；

S02)、利用步骤S01)训练好的深度文本匹配模型对输入的语句进行文本排序。

2.根据权利要求1所述的基于深度文本匹配模型的文本排序方法，其特征在于：计算ΔNDCG的过程为：

给定被对比句Q和对比句序列(A1，A2，…，Ai，…，An)，r(i)表示Q与Ai之间的真实相似度，si表示模型预测的Q与Ai之间的预测相似度，将句子序列(A1，A2，..，Ai，..，An)按照r(i)由大到小进行排序，然后取每个句子对应的r(i)得到最理想的相似度序列D1；将句子序列(A1，A2，..，Ai，..，An)按照si由大到小进行排序，然后取每个句子对应的r(i)得到相似度序列D2，为了评估排序质量，规定：

则对于序列D1，其对应的score为：

对于序列D2，其对应的其对应的score为：

令

交换句子i、j的位置，i＝1,2，…，n，j＝1,2，…，n，分别计算交换之后D1、D2对应的NDCG，ΔNDCG则表示交换位置i,j前后计算的NDCG的差值。

3.根据权利要求1所述的基于深度文本匹配模型的文本排序方法，其特征在于：句对的真实相似度采用m级表示，即m,m-1,..,1，m为不小于3的正整数，m数值越大，相关度越高。

4.根据权利要求1所述的基于深度文本匹配模型的文本排序方法，其特征在于：真实相似度为整数，预测相似度为浮点数。