[发明专利]文本排序方法、文本排序装置、电子设备及存储介质

说明书

本申请提供了一种文本排序方法、文本排序装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：构建训练样本集，该训练样本集包括至少一个训练样本，每个训练样本包括样本查询文本、样本搜索文本、初始相关性分值、初始相关性类别；将样本查询文本和样本搜索文本输入预构建的初始文本排序模型，并根据初始相关性分值和初始相关性类别对初始文本排序模型进行参数调整，得到目标文本排序模型；获取目标对象的查询文本对，每个查询文本对包括初始查询文本和候选搜索文本；将查询文本对输入目标文本排序模型，以使得目标文本排序模型对初始查询文本和候选搜索文本进行处理，得到文本排序结果。本申请实施例提高了对文本排序的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种文本排序方法、文本排序装置、电子设备及存储介质。

背景技术

目前，在搜索场景中，用户可以通过输入查询词去搜索和购买物品，将搜索结果按照搜索词和商品的相关性进行排序，即将相关性强的结果排在前面，而不相关的结果排在后面。现有的文本排序模型的训练效果不佳，从而影响文本排序的准确性，因此，如何提高对文本排序的准确性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种文本排序方法、文本排序装置、电子设备及存储介质，旨在提高对文本排序的准确性。

为实现上述目的，本申请实施例的第一方面提出了一种文本排序方法，所述方法包括：

构建训练样本集，所述训练样本集包括至少一个训练样本，每个所述训练样本包括样本查询文本、样本搜索文本、初始相关性分值、初始相关性类别；

将所述样本查询文本和所述样本搜索文本输入预构建的初始文本排序模型，并根据所述初始相关性分值和所述初始相关性类别对所述初始文本排序模型进行参数调整，得到目标文本排序模型；

获取目标对象的至少一个查询文本对，每个所述查询文本对包括初始查询文本和所述初始查询文本的候选搜索文本；

将所述查询文本对输入所述目标文本排序模型，以使得所述目标文本排序模型对所述初始查询文本和所述候选搜索文本进行处理，得到文本排序结果。

在一些实施例，所述初始文本排序模型包括编码子模型、排序子模型和分类子模型，所述将所述样本查询文本和所述样本搜索文本输入预构建的初始文本排序模型，并根据所述初始相关性分值和初始相关性类别对所述初始文本排序模型进行参数调整，得到目标文本排序模型，包括：

将所述样本查询文本和所述样本搜索文本输入所述初始文本排序模型中，通过所述编码子模型分别对所述样本查询文本和所述样本搜索文本进行编码处理，得到所述样本查询文本对应的第一文本特征和所述样本搜索文本对应的第二文本特征；

通过所述排序子模型对所述第一文本特征和所述第二文本特征进行特征处理，得到样本相关性分值；

通过所述分类子模型对所述第一文本特征和所述第二文本特征进行特征处理，确定样本相关性类别；

根据所述初始相关性分值和所述样本相关性分值确定第一损失值；

根据所述初始相关性类别和所述样本相关性类别确定第二损失值；

根据所述第一损失值和所述第二损失值对所述初始文本排序模型的模型参数进行调整，并基于所述训练样本集继续训练调整后的所述初始文本排序模型，直至所述第一损失值和所述第二损失值满足预设训练结束条件，以得到目标文本排序模型。

在一些实施例，所述样本相关性类别包括多个预设类别，所述通过所述分类子模型对所述第一文本特征和所述第二文本特征进行特征处理，确定样本相关性类别，包括：

通过所述分类子模型对所述第一文本特征和所述第二文本特征进行特征处理，得到类别概率集合，所述类别概率集合包括所述样本相关性类别分别为各个预设类别的概率值；