1.一种最近邻增强对比学习预训练的文本匹配方法,其特征在于,所述方法包括:建立源文本集和目标文本集;
对比学习预训练源文本集、目标文本集,分别得到新的源文本向量和目标文本向量;
利用最近邻算法检索源文本向量、目标文本向量的相似实例,分别得到源相似实例集和目标相似实例集;
计算源相似实例集的相似权重集、目标相似实例集的相似权重集,包括:对源文本向量和源相似实例集的欧式距离值倒数做归一化处理作为源相似实例集的相似权重集,对目标文本向量和目标相似实例集的欧式距离值倒数做归一化处理作为目标相似实例集的相似权重集,其中,归一化使用sigmoid激活函数,具体包括:令wp,i={wp,i,1,…,wp,i,K}表示源相似实例集的相似权重集,其中,wp,i,k表示源文本向量和第k个源相似实例的相似权重,1≤k≤K,如下所示:令wq,i={wq,i,1,…,wq,i,K}表示目标相似实例集的相似权重集,其中,wq,i,k表示目标文本向量和第k个目标相似实例的相似权重,1≤k≤K,如下所示:基于目标相似实例集的相似权重集合并目标文本向量和目标相似实例集得到目标文本加权向量包括:其中wq,i={wq,i,1,…,wq,i,K}表示目标相似实例集的相似权重集,wq,i,k表示目标文本向量和第k个目标相似实例的相似权重,1≤k≤K;
基于目标相似实例集的相似权重集合并目标文本向量和目标相似实例集得到目标文本加权向量包括:其中wq,i={wq,i,1,…,wq,i,K}表示目标相似实例集的相似权重集,wq,i,k表示目标文本向量和第k个目标相似实例的相似权重,1≤k≤K;
利用文本匹配模型训练源文本加权向量和目标文本加权向量,得到匹配结果。
2.根据权利要求1所述的最近邻增强对比学习预训练的文本匹配方法,其特征在于,建立源文本集和目标文本集,包括:令表示源文本集,其中,p[i]为第i个源文本,1≤i≤N;令表示目标文本集,其中,q[i]为第i个目标文本,1≤i≤N。
3.根据权利要求2所述的最近邻增强对比学习预训练的文本匹配方法,其特征在于,对比学习预训练源文本集、目标文本集,分别得到新的源文本向量和目标文本向量,包括:采用对比学习模型Simcse预训练源文本集、目标文本集,源文本集经过对比学习后得到新的源文本向量为目标文本集经过对比学习后得到新的目标文本向量为
4.根据权利要求1所述的最近邻增强对比学习预训练的文本匹配方法,其特征在于,利用最近邻算法检索源文本向量、目标文本向量的相似实例,分别得到源相似实例集和目标相似实例集,包括:令是包含所有源文本向量和目标文本向量的2N个文本向量集,表示的第j个文本向量,1≤j≤2N;
利用欧式距离公式计算源文本向量和中除了之外其余文本向量的相似度,统计结果并选出相似度top-K的文本为源相似实例;
利用欧式距离公式计算目标文本向量和中除了之外其余文本向量的相似度,统计结果并选出相似度top-K的文本为目标相似实例;
通过最近邻检索得到K个源相似实例和K个目标相似实例,分别构成源相似实例集和目标相似实例集
5.根据权利要求1所述的最近邻增强对比学习预训练的文本匹配方法,其特征在于,利用文本匹配模型训练源文本加权向量和目标文本加权向量,得到匹配结果,包括:利用文本匹配模型训练源文本加权向量和目标文本加权向量得到匹配结果yi′,其中,yi′表示p[i]和q[i]之间匹配结果的预测值。
6.一种最近邻增强对比学习预训练的文本匹配装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1至5任一项所述的方法。