申请/专利权人：苏州思必驰信息科技有限公司

申请日：2020-07-02

公开（公告）日：2020-10-16

公开（公告）号：CN111782787A

主分类号：G06F16/332(20190101)

分类号：G06F16/332(20190101);G06F16/35(20190101);G06F40/289(20200101);G06F40/30(20200101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.07.08#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：本发明公开一种问题生成模型训练方法，包括：对样本数据集中的样本数据进行预处理，样本数据包括输入文本、问题和答案，预处理包括确定样本数据中问题的问题类型；采用ALBERT对输入文本和问题进行分词处理；将分词处理后的输入文本和问题类型输入至编码器，并获取编码器的输出隐层状态；将分词处理后的问题输入至解码器，并获得解码器的输出隐层状态；根据编码器的输出隐层状态、解码器的输出隐层状态和ALBERT的隐层状态确定预设字典中的每个字的生成概率。本发明通过对问题进行分类确定问题类型，并将问题类型和输入文本一并作为编码器的输入来进行模型训练，可以让生成的问题更加流畅且提问更有针对性。

主权项：1.一种问题生成模型训练方法，所述问题生成模型采用编码器-解码器结构，所述方法包括：对样本数据集中的样本数据进行预处理，所述样本数据包括输入文本、问题和答案，所述预处理包括确定所述样本数据中问题的问题类型；采用ALBERT对所述输入文本和所述问题进行分词处理；将分词处理后的输入文本和所述问题类型输入至编码器，并获取所述编码器的输出隐层状态；将分词处理后的问题输入至解码器，并获得所述解码器的输出隐层状态；根据所述编码器的输出隐层状态、所述解码器的输出隐层状态和所述ALBERT的隐层状态确定预设字典中的每个字的生成概率。

全文数据：

权利要求：

百度查询： 苏州思必驰信息科技有限公司 问题生成模型训练方法、问题生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD