(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211487214.7 (22)申请日 2022.11.25 (71)申请人 北京红棉小 冰科技有限公司 地址 100080 北京市海淀区北四环西路67 号6层608房间 (72)发明人 陈杰　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 王治东 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种模型训练方法及装置 (57)摘要 本发明提供一种模型训练方法及装置， 可以 从数据记录日志中， 提取出第一数量的匹配行为 记录数据； 其中， 各匹配行为记录数据均包括相 对应的待匹配数据和标注有样本类别标识的至 少一条反馈数据， 样本类别标识包括正样本标识 和负样本标识； 按照同一匹配行为记录数据中正 样本匹配度高于负样本匹配度的训练目标， 利用 各匹配行为记录数据对数据匹配模 型进行训练； 其中， 正样 本匹配度为标注有 正样本标识的反馈 数据与待匹配数据的匹配度， 负样 本匹配度为标 注有负样本标识的反馈数据与待匹配数据的匹 配度。 本发 明可以优化对数据匹配模 型的训练效 果， 使得数据匹配模型可以匹配到以及向用户展 示更能满足用户实际需求或更感兴趣的数据。 权利要求书2页 说明书14页 附图4页 CN 115545121 A 2022.12.30 CN 115545121 A 1.一种模型训练方法， 其特 征在于， 包括： 从数据记录日志中， 提取出第 一数量的待用于对数据匹配模型进行训练 的匹配行为记 录数据； 其中， 各所述匹配行为记录数据均包括相对应的待匹配数据和标注有样本类别标 识的至少一条反馈数据， 所述样本类别标识包括 正样本标识和负 样本标识； 按照同一所述匹配行为记录数据中正样本匹配度高于负样本匹配度的训练目标， 利用 各所述匹配行为记录数据对所述数据匹配模型进行训练； 其中， 所述正样本匹配度为标注 有所述正样本标识的所述反馈数据与所述待匹配数据的匹配度， 所述负样本匹配度为标注 有所述负 样本标识的所述反馈数据与所述待匹配数据的匹配度。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述数据匹配模型为数据搜索模 型或数据推荐模型。 3.根据权利要求1所述的模型训练方法， 其特征在于， 所述按照同一所述匹配行为记录 数据中正样本匹配度高于负样本匹配度的训练目标， 利用各所述匹配行为记录数据对所述 数据匹配模型进行训练， 包括： 分别确定各 所述匹配行为记录数据的对比损失； 基于各所述匹配行为记录数据的对比损失， 确定综合对比损失； 基于所述综合对比损失， 更新所述数据匹配模型的模型参数。 4.根据权利要求3所述的模型训练方法， 其特征在于， 所述分别确定各所述匹配行为记 录数据的对比损失， 包括： 基于交叉熵计算方式， 计算出 各所述匹配行为记录数据的对比损失。 5.根据权利要求3所述的模型训练方法， 其特征在于， 所述基于各所述匹配行为记录数 据的对比损失， 确定综合对比损失， 包括： 将各所述匹配行为记录数据的对比损失输入到综合对比损失确定模型中， 获得所述综 合对比损失确定模型输出的所述综合对比损失； 其中， 所述综合对比损失确定模型用于在获得各所述匹配行为记录数据的对比损失 后， 计算出各所述匹配行为记录数据的对比损失的和 值， 将所述和值除以反馈数据总 数量 所获得的值确定为所述 综合对比损失， 所述反馈数据总数量为所有所述匹配行为记录数据 中反馈数据的总数量。 6.根据权利要求4所述的模型训练方法， 其特征在于， 当所述数据匹配模型为排序模型 时， 确定所述待匹配数据与所述反馈数据的匹配度， 包括： 将所述待 匹配数据和所述反馈数据输入到第 一特征提取网络， 获得所述第 一特征提取 网络输出的目标向量距离； 将所述目标向量距离确定为所述待匹配数据与所述反馈数据的匹配度； 其中， 所述目标向量距离是由所述第一特征提取网络通过以下步骤生成： 分别从已输 入的所述待匹配数据和所述反馈数据中提取出第一特征向量和 第二特征向量， 计算出所述 第一特征向量和所述第二特征向量的向量距离， 将计算出的向量距离确定为所述目标向量 距离。 7.根据权利要求4所述的模型训练方法， 其特征在于， 当所述数据匹配模型为召回模型 时， 确定所述待匹配数据与所述反馈数据的匹配度， 包括： 利用第二特 征提取网络， 从所述待匹配数据中提取 出第三特 征向量；权　利　要　求　书 1/2 页 2 CN 115545121 A 2利用第三特 征提取网络， 从所述反馈数据提取 出第四特 征向量； 将所述第三特征向量与所述第四特征向量的向量距离确定为所述待匹配数据与所述 反馈数据的匹配度。 8.根据权利要求1所述的模型训练方法， 其特征在于， 所述第 一数量的所述匹配行为记 录数据中包括标注有正样本标识的所述反馈数据和/或标注有负样本标识的所述反馈数 据。 9.根据权利要求1所述的模型训练方法， 其特征在于， 在所述按照同一所述匹配行为记 录数据中正样本匹配度高于负样本匹配度的训练目标， 利用各所述匹配行为记录数据对所 述数据匹配模型进行训练之前， 所述模型训练方法还 包括： 在所述第一数量的所述匹配行为记录数据中， 将 非目标匹配行为记录数据中的至少一 个所述反馈数据， 设置为所述目标匹配行为记录数据中标注有负样本标识的所述反馈数 据。 10.一种模型训练装置， 其特 征在于， 包括： 提取 单元和训练单 元； 其中： 所述提取单元， 用于从数据记录日志中， 提取出第一数量的待用于对数据匹配模型进 行训练的匹配行为记录数据； 其中， 各所述匹配行为记录数据均包括相对应的待匹配数据 和标注有样本类别标识的至少一条反馈数据， 所述样本类别标识包括正样本标识和负样本 标识； 所述训练单元， 用于按照同一所述匹配行为记录数据中正样本匹配度高于负样本匹配 度的训练目标， 利用各所述匹配行为记录数据对所述数据匹配模型进 行训练； 其中， 所述正 样本匹配度为标注有 所述正样本标识的所述反馈数据与所述待匹配数据的匹配度， 所述负 样本匹配度为标注有所述负 样本标识的所述反馈数据与所述待匹配数据的匹配度。权　利　要　求　书 2/2 页 3 CN 115545121 A 3