一种用于相关性模型中关键信息感知与处理的方法

本发明属于信息技术领域，且公开了一种用于相关性模型中关键信息感知与处理的方法，该方法具体步骤如下：S1：定义问题与目标：S2：query侧显式信息扩展：S3：魔盒侧显式信息扩展：S4：设计field embedding：S5：构建扩展后的样本格式：S6：实施多任务自训练：S7：评估与优化。本发明通过构建辅助任务与引入软标签，结合多任务训练框架及自训练策略，可以显著提升模型性能，利用预训练模型生成的软标签，模型能够隐式捕捉并学习样本中的深层与丰富信息，增强了对复杂数据的理解能力，同时，多任务学习框架促使模型在多个相关任务上同时优化，有效提升了模型的泛化能力与鲁棒性。