申请/专利权人：北京百度网讯科技有限公司

申请日：2023-02-13

公开（公告）日：2024-04-12

公开（公告）号：CN116069914B

主分类号：G06F16/332

分类号：G06F16/332;G06F18/23;G06F40/216

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.05.23#实质审查的生效;2023.05.05#公开

摘要：本公开提供了一种训练数据的生成方法、模型训练方法以及装置，涉及深度学习、自然语言处理等人工智能技术领域。具体实现方案为：在获取属于同一领域下的多个第一文档后，从文档库中获取与第一文档匹配的第二文档，并根据各个第一文档以及各个第二文档来生成段落集合，针对段落集合中的各个段落，从问题库中获取与段落对应的问题；根据各个段落以及对应的问题，生成用于训练问答匹配模型的训练数据。由此，通过文档库来丰富对应领域下的文档，并基于丰富后的文档以及问题库来生成用于训练问答匹配模型的训练数据，降低了训练数据的获取成本的同时，丰富了训练数据的多样性。

主权项：1.一种训练数据的生成方法，包括：获取多个第一文档，其中，所述多个第一文档所属的领域是相同的；针对各个第一文档，从文档库中获取与所述第一文档匹配的第二文档；根据所述多个第一文档以及与各个所述第一文档匹配的第二文档生成段落集合；针对所述段落集合中的各个段落，从问题库中获取与所述段落对应的问题；根据各个段落以及对应的问题，生成用于训练问答匹配模型的训练数据；所述方法还包括：通过第一语句集合中各个语句以及包含所述语句的第一文档预先构建倒排索引表，其中，所述第一语句集合是对所述多个第一文档进行语句切分得到的；所述针对各个第一文档，从文档库中获取与所述第一文档匹配的第二文档，包括：针对所述文档库中的各个原始文档，查询所述倒排索引表，以从多个所述第一文档中获取包含所述原始文档的切分语句的候选文档；确定所述候选文档和所述原始文档之间的第一相似度；在所述第一相似度大于相似度阈值的情况下，则将所述原始文档作为所述第二文档。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 训练数据的生成方法、模型训练方法以及装置

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