[0042] 依據(jù)所述K個(gè)目標(biāo)準(zhǔn)確率，對(duì)初始模型的第一模型參數(shù)進(jìn)行調(diào)整，以獲得M個(gè)第二 模型參數(shù)；
[0043] 依據(jù)所述M個(gè)第二模型參數(shù)，構(gòu)建所述M個(gè)候選模型。
[0044] 如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述構(gòu)建單 元用于依據(jù)所述K個(gè)目標(biāo)準(zhǔn)確率，對(duì)初始模型的第一模型參數(shù)進(jìn)行調(diào)整，以獲得M個(gè)第二模 型參數(shù)時(shí)，具體用于：
[0045] 依據(jù)所述K個(gè)目標(biāo)準(zhǔn)確率以及預(yù)設(shè)的準(zhǔn)確率閾值，獲得大于或者等于所述準(zhǔn)確率 閾值的M個(gè)目標(biāo)準(zhǔn)確率；
[0046] 對(duì)所述M個(gè)目標(biāo)準(zhǔn)確率中的每個(gè)所述目標(biāo)準(zhǔn)確率分別進(jìn)行求導(dǎo)運(yùn)算，以獲得M個(gè) 梯度值；
[0047] 依據(jù)所述M個(gè)梯度值中每個(gè)所述梯度值，分別對(duì)所述初始模型的第一模型參數(shù)進(jìn) 行調(diào)整，以獲得M個(gè)第二模型參數(shù)。
[0048] 如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述第一獲 取單元，具體用于：
[0049] 利用所述M個(gè)候選模型，獲得所述詞條的M個(gè)候選模型輸出值；
[0050] 依據(jù)所述詞條的每個(gè)候選模型輸出值、所述詞條所在文本中其他詞條的候選模型 輸出值，獲得所述詞條的M個(gè)歸一化的候選模型輸出值。
[0051] 如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述評(píng)估模 型包括所述詞條所在文本中所有詞條的標(biāo)準(zhǔn)輸出值，所述評(píng)估單元，具體用于：
[0052] 針對(duì)每個(gè)所述候選模型，確定所述文本中歸一化的候選模型輸出值最高的K個(gè)詞 條；
[0053] 確定所述文本中所述標(biāo)準(zhǔn)輸出值最高的R個(gè)詞條，R為大于K的整數(shù)；
[0054] 依據(jù)所述文本中歸一化的候選模型輸出值最高的K個(gè)詞條、所述文本中所述標(biāo)準(zhǔn) 輸出值最高的R個(gè)詞條，獲得每個(gè)所述歸一化的候選模型輸出值的評(píng)估結(jié)果；
[0055] 依據(jù)所述評(píng)估結(jié)果，從所述M個(gè)歸一化的候選模型輸出值中選出一個(gè)歸一化的候 選模型輸出值，以作為所述目標(biāo)模型輸出值。
[0056]本發(fā)明實(shí)施例的一方面，提供一種重要度獲取裝置，包括：
[0057] 獲取單元，用于獲得待處理文本；
[0058] 切詞單元，用于對(duì)所述待處理文本進(jìn)行切詞處理，以獲得至少一個(gè)詞條；
[0059] 處理單元，用于利用目標(biāo)模型，獲得所述至少一個(gè)詞條中每個(gè)所述詞條的目標(biāo)模 型輸出值，以作為每個(gè)所述詞條的重要度；
[0060] 其中，所述目標(biāo)模型為利用權(quán)利要求8至13中任一權(quán)利要求所述的模型的生成裝 置生成的。
[0061] 由以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下有益效果：
[0062] 本發(fā)明實(shí)施例通過融合詞條的多個(gè)重要度目標(biāo)來實(shí)現(xiàn)模型的構(gòu)建，進(jìn)而通過對(duì)模 型的輸出值進(jìn)行評(píng)估以確定一個(gè)最優(yōu)模型，與現(xiàn)有技術(shù)中，模型只能夠保證輸出的詞條的 重要度的數(shù)值的準(zhǔn)確性，或者只能夠保證屬于同一個(gè)文本的兩個(gè)詞條之間的重要度排序的 準(zhǔn)確性的技術(shù)方案相比，本發(fā)明實(shí)施例所構(gòu)建和確定的模型，能夠同時(shí)滿足多個(gè)重要度的 相關(guān)條件，保證詞條的相關(guān)數(shù)據(jù)的準(zhǔn)確性，如重要度的數(shù)值、詞條的排序或者詞條之間的區(qū) 分度，從而可以解決現(xiàn)有技術(shù)中獲得詞條的重要度信息的模型的可靠性比較低的問題，提 高模型的可靠度，以及提高輸出數(shù)據(jù)的準(zhǔn)確性。 【【附圖說明】】
[0063] 為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附 圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域 普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其它的附 圖。
[0064] 圖1是本發(fā)明實(shí)施例所提供的模型的生成方法的流程示意圖；
[0065] 圖2是本發(fā)明實(shí)施例所提供的重要度的獲取方法的流程示意圖；
[0066] 圖3是為本發(fā)明實(shí)施例所提供的模型的生成裝置的功能方塊圖；
[0067] 圖4是本發(fā)明實(shí)施例所提供的重要度的獲取裝置的功能方塊圖。 【【具體實(shí)施方式】】
[0068] 為了更好的理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)描 述。
[0069] 應(yīng)當(dāng)明確，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其 它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0070] 在本發(fā)明實(shí)施例中使用的術(shù)語是僅僅出于描述特定實(shí)施例的目的，而非旨在限制 本發(fā)明。在本發(fā)明實(shí)施例和所附權(quán)利要求書中所使用的單數(shù)形式的"一種"、"所述"和"該" 也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。
[0071] 應(yīng)當(dāng)理解，本文中使用的術(shù)語"和/或"僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表 示可以存在三種關(guān)系，例如，A和/或B，可以表示：單獨(dú)存在A，同時(shí)存在A和B，單獨(dú)存在B 這三種情況。另外，本文中字符"/"，一般表示前后關(guān)聯(lián)對(duì)象是一種"或"的關(guān)系。
[0072] 應(yīng)當(dāng)理解，盡管在本發(fā)明實(shí)施例中可能采用術(shù)語第一、第二等來描述模型參數(shù)，但 這些關(guān)鍵詞不應(yīng)限于這些術(shù)語。這些術(shù)語僅用來將模型參數(shù)彼此區(qū)分開。例如，在不脫離 本發(fā)明實(shí)施例范圍的情況下，第一模型參數(shù)也可以被稱為第二模型參數(shù)，類似地，第二模型 參數(shù)也可以被稱為第一模型參數(shù)。
[0073] 取決于語境，如在此所使用的詞語"如果"可以被解釋成為"在……時(shí)"或"當(dāng)…… 時(shí)"或"響應(yīng)于確定"或"響應(yīng)于檢測(cè)"。類似地，取決于語境，短語"如果確定"或"如果檢 測(cè)（陳述的條件或事件）"可以被解釋成為"當(dāng)確定時(shí)"或"響應(yīng)于確定"或"當(dāng)檢測(cè)（陳述 的條件或事件）時(shí)"或"響應(yīng)于檢測(cè)（陳述的條件或事件）"。
[0074] 實(shí)施例一
[0075] 本發(fā)明實(shí)施例給出一種模型的生成方法，請(qǐng)參考圖1，其為本發(fā)明實(shí)施例所提供的 模型的生成方法的流程示意圖，如圖所示，該方法包括以下步驟：
[0076] S101，依據(jù)獲得的詞條的重要度準(zhǔn)確率、詞條之間的排序準(zhǔn)確率和詞條之間的區(qū) 分度準(zhǔn)確率中至少一個(gè)，構(gòu)建M個(gè)候選模型，M為大于0的整數(shù)。
[0077] S102,利用所述M個(gè)候選模型，獲得所述詞條的M個(gè)歸一化的候選模型輸出值。
[0078] S103,利用評(píng)估模型對(duì)所述M個(gè)歸一化的候選模型輸出值進(jìn)行評(píng)估，以獲得目標(biāo) 模型輸出值，將所述目標(biāo)模型輸出值所對(duì)應(yīng)的候選模型作為目標(biāo)模型。
[0079] 基于上述模型的生成方法，本發(fā)明實(shí)施例對(duì)S101之前，所述方法還可以包括步 驟：獲得詞條的重要度準(zhǔn)確率、詞條之間的排序準(zhǔn)確率和詞條之間的區(qū)分度準(zhǔn)確率中至少 一個(gè)。
[0080] 該步驟具體可以包括：
[0081] 首先，利用預(yù)設(shè)的初始模型，獲得所述詞條的初始模型輸出值。然后，依據(jù)所述詞 條的初始模型輸出值以及所述詞條所在文本中其他詞條的初始模型輸出值，獲得所述詞條 的歸一化的初始模型輸出值。最后，依據(jù)所述詞條的歸一化的初始模型輸出值，獲得所述詞 條的重要度準(zhǔn)確率；和/或，依據(jù)所述詞條的歸一化的初始模型輸出值或者所述詞條的初 始模型輸出值，獲得所述詞條之間的排序準(zhǔn)確率；和/或，依據(jù)所述詞條的歸一化的初始模 型輸出值，獲得所述詞條之間的區(qū)分度準(zhǔn)確率。
[0082] 例如，對(duì)于詞條Xij，利用初始模型，可以獲得該詞條的如下初始模型輸出值：
[0083]
【主權(quán)項(xiàng)】
1. 一種模型的生成方法，其特征在于，所述方法包括： 依據(jù)獲得的詞條的重要度準(zhǔn)確率、詞條之間的排序準(zhǔn)確率和詞條之間的區(qū)分度準(zhǔn)確率 中至少一個(gè)，構(gòu)建M個(gè)候選模型，M為大于0的整數(shù)； 利用所述M個(gè)候選模型，獲得所述詞條的M個(gè)歸一化的候選模型輸出值； 利用評(píng)估模型對(duì)所述M個(gè)歸一化的候選模型輸出值進(jìn)行評(píng)估，以獲得目標(biāo)模型輸出 值，將所述目標(biāo)模型輸出值所對(duì)應(yīng)的候選模型作為目標(biāo)模型。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)獲得的詞條的重要度準(zhǔn)確率、詞 條之間的排序準(zhǔn)確率和詞條之間的區(qū)分度準(zhǔn)確率中至少一