买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】选择题生成模型训练方法、选择题生成方法、设备及介质_平安银行股份有限公司_202011604701.8 

申请/专利权人:平安银行股份有限公司

申请日:2020-12-29

公开(公告)日:2022-11-29

公开(公告)号:CN112560443B

主分类号:G06F40/211

分类号:G06F40/211;G06F40/30;G06K9/62

优先权:

专利状态码:有效-授权

法律状态:2022.11.29#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要:本发明公开一种选择题生成模型训练方法、选择题生成方法、设备及介质。该方法包括:获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项;根据标准题目信息对训练文档进行关键段落提取,获取与标准题目信息相对应的关键段落;获取FinBert‑UniLM模型,配置FinBert‑UniLM模型对应的模型参数;将关键段落和标准题目信息输入到FinBert‑UniLM模型进行模型训练,获取目标应用领域对应的题目生成模型;将关键段落、标准题目信息和标准干扰选项输入到FinBert‑UniLM模型进行模型训练,获取与题目生成模型相对应的干扰项生成模型。该方法可保障选择题生成模型生成的选择题具有语言组织方式多样性、干扰选项与题干的顺畅性、选项长度满足业务需求以及知识点覆盖的全面性。

主权项:1.一种选择题生成模型训练方法,其特征在于,包括:获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项;根据所述标准题目信息对所述训练文档进行关键段落提取,获取与所述标准题目信息相对应的关键段落;获取FinBert-UniLM模型,配置所述FinBert-UniLM模型对应的模型参数,所述FinBert-UniLM是在FinBert的注意力层采用UniLM,将FinBert中的Encoder结构转换为Seq2seq结构的模型,所述FinBert是采用目标应用领域相关的海量训练语料对Bert的模型参数进行预训练且采用LAMB优化器对Adam权重衰减优化器进行替代的Bert类模型;将所述关键段落和所述标准题目信息输入到所述FinBert-UniLM模型进行模型训练,获取所述目标应用领域对应的题目生成模型;将所述关键段落、所述标准题目信息和所述标准干扰选项输入到所述FinBert-UniLM模型进行模型训练,获取与所述题目生成模型相对应的干扰项生成模型。

全文数据:

权利要求:

百度查询: 平安银行股份有限公司 选择题生成模型训练方法、选择题生成方法、设备及介质

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。