发明名称 |
排序模型的训练方法及装置 |
摘要 |
本发明提供一种排序模型的训练方法及装置。本发明实施例由于采用对旧神经网络与其在新神经网络中所对应的权重参数之间的差值进行二范数约束的约束项,使得这个差值会比较小,这样,旧神经网络与其在新神经网络中所对应的权重参数趋于一致,能够避免现有技术中由于模型重训而导致的性能差异较大的技术问题,从而提高了特征调研的可靠性。 |
申请公布号 |
CN106294584A |
申请公布日期 |
2017.01.04 |
申请号 |
CN201610607957.1 |
申请日期 |
2016.07.28 |
申请人 |
北京百度网讯科技有限公司 |
发明人 |
刘毅 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京鸿德海业知识产权代理事务所(普通合伙) 11412 |
代理人 |
袁媛 |
主权项 |
一种排序模型的训练方法,其特征在于,包括:获取训练样本数据,所述训练样本数据包括至少一个搜索关键词所对应的正例样本页面的特征数据和负例样本页面的特征数据;获取神经网络的损失函数,所述损失函数中包含约束项;所述约束项用于对加入新特征数据之前的所述神经网络与其在加入新特征数据之后的所述神经网络中所对应的权重参数之间的差值进行二范数约束;根据所述损失函数、所述正例样本页面的特征数据和所述负例样本页面的特征数据,构建页面排序模型。 |
地址 |
100085 北京市海淀区上地十街10号百度大厦2层 |