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。