【技術實現步驟摘要】
本公開涉及人工智能，尤其涉及深度學習、大語言模型、生成式模型以及智能推薦。更具體地，本公開提供了一種資源召回方法、裝置、電子設備、存儲介質以及計算機程序產品。
技術介紹
1、資源召回是指從資源庫中獲取一部分資源，這一部分資源用于后續的精排、篩選和推薦。一般可以基于用戶輸入的查詢文本（query）來進行資源召回。
技術實現思路
1、本公開提供了一種資源召回方法、裝置、電子設備、存儲介質以及計算機程序產品。
2、根據第一方面，提供了一種資源召回方法，該方法包括：響應于接收到查詢文本，生成目標文本；以及根據目標文本從資源庫中召回目標資源，其中，資源庫中的資源配置有規則信息，目標文本的語義符合目標資源的規則信息；其中，響應于接收到查詢文本，生成目標文本包括：生成至少一個關鍵詞作為目標文本的前綴文本；以及根據由前綴文本和候選詞表從資源庫中確定的候選資源的規則信息，從候選詞表中確定目標候選詞加入到前綴文本，得到目標文本。
3、根據第二方面，提供了一種資源召回裝置，該裝置包括：生成模塊，用于響應于接收到查詢文本，生成目標文本；以及召回模塊，用于根據目標文本從資源庫中召回目標資源，其中，資源庫中的資源配置有規則信息，目標文本的語義符合目標資源的規則信息；其中，生成模塊包括：第一生成子模塊，用于生成至少一個關鍵詞作為目標文本的前綴文本；以及第二生成子模塊，用于根據由前綴文本和候選詞表從資源庫中確定的候選資源的規則信息，從候選詞表中確定目標候選詞加入到前綴文本，得到目標文本。<...
【技術保護點】
1.一種資源召回方法，包括：
2.根據權利要求1所述的方法，其中，所述根據由所述前綴文本和候選詞表從所述資源庫中確定的候選資源的規則信息，從所述候選詞表中確定目標候選詞加入到所述前綴文本，得到所述目標文本包括：
3.根據權利要求2所述的方法，其中，所述針對所述候選詞表中的每個候選詞，根據由所述前綴文本和所述候選詞從所述資源庫中確定的候選資源的規則信息，確定所述候選詞的生成概率包括：針對所述候選詞表中的每個候選詞，
4.根據權利要求3所述的方法，其中，所述根據所述查詢文本、所述前綴文本、所述候選詞、以及所述規則文本，確定所述候選詞的生成概率包括：
5.根據權利要求4所述的方法，其中，所述根據所述語義一致性，確定所述候選詞的生成概率包括：
6.根據權利要求4所述的方法，其中，所述確定所述組合文本和所述規則文本之間的語義一致性包括：
7.根據權利要求6所述的方法，其中，所述深度學習模型是通過以下操作進行訓練得到的：
8.根據權利要求7所述的方法，其中，所述樣本文本包括正樣本和負樣本，所述正樣本中的所述查
9.一種資源召回裝置，包括：
10.根據權利要求9所述的裝置，其中，所述第二生成子模塊包括：
11.根據權利要求10所述的裝置，其中，所述概率確定單元包括：
12.根據權利要求11所述的裝置，其中，所述概率確定子單元，還用于確定所述查詢文本、所述前綴文本和所述候選詞的組合文本；確定所述組合文本和所述規則文本之間的語義一致性；以及根據所述語義一致性，確定所述候選詞的生成概率。
13.根據權利要求12所述的裝置，其中，所述概率確定子單元，還用于獲取所述組合文本的特征向量；響應于所述組合文本與所述規則文本語義不一致，調整所述特征向量中的候選詞特征的權重；以及根據調整后的特征向量，確定所述候選詞的生成概率。
14.根據權利要求12所述的裝置，其中，所述概率確定子單元，還用于將所述組合文本和所述規則文本輸入深度學習模型，得到所述組合文本與所述規則文本的語義一致性結果。
15.根據權利要求14所述的裝置，其中，所述深度學習模型是通過訓練得到的；所述裝置還包括：
16.根據權利要求15所述的裝置，其中，所述樣本文本包括正樣本和負樣本，所述正樣本中的所述查詢文本和所述子文本的組合文本與所述規則文本的語義相一致，所述負樣本中的所述查詢文本和所述子文本的組合文本與所述規則文本的語義不一致；所述損失確定模塊包括：
17.一種電子設備，包括：
18.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行根據權利要求1至8中任一項所述的方法。
19.一種計算機程序產品，包括計算機程序，所述計算機程序存儲于可讀存儲介質和電子設備其中至少之一上，所述計算機程序在被處理器執行時實現根據權利要求1至8中任一項所述的方法。
...【技術特征摘要】
1.一種資源召回方法，包括：
2.根據權利要求1所述的方法，其中，所述根據由所述前綴文本和候選詞表從所述資源庫中確定的候選資源的規則信息，從所述候選詞表中確定目標候選詞加入到所述前綴文本，得到所述目標文本包括：
3.根據權利要求2所述的方法，其中，所述針對所述候選詞表中的每個候選詞，根據由所述前綴文本和所述候選詞從所述資源庫中確定的候選資源的規則信息，確定所述候選詞的生成概率包括：針對所述候選詞表中的每個候選詞，
4.根據權利要求3所述的方法，其中，所述根據所述查詢文本、所述前綴文本、所述候選詞、以及所述規則文本，確定所述候選詞的生成概率包括：
5.根據權利要求4所述的方法，其中，所述根據所述語義一致性，確定所述候選詞的生成概率包括：
6.根據權利要求4所述的方法，其中，所述確定所述組合文本和所述規則文本之間的語義一致性包括：
7.根據權利要求6所述的方法，其中，所述深度學習模型是通過以下操作進行訓練得到的：
8.根據權利要求7所述的方法，其中，所述樣本文本包括正樣本和負樣本，所述正樣本中的所述查詢文本和所述子文本的組合文本與所述規則文本的語義相一致，所述負樣本中的所述查詢文本和所述子文本的組合文本與所述規則文本的語義不一致；所述根據所述輸出結果，確定所述深度學習模型的損失包括：
9.一種資源召回裝置，包括：
10.根據權利要求9所述的裝置，其中，所述第二生成子模塊包括：
11.根據權利要求10所述的裝置，其中，所述概率確定單元包括：
【專利技術屬性】
技術研發人員：王禮鵬，焦學武，胡偉，崔自鑫，葉超，
申請(專利權)人：百度時代網絡技術北京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。