[发明专利]一种问答模型训练方法、问题语句处理方法、装置及存储介质

说明书

本发明提供了一种问答模型训练方法，包括：通过问答模型的隐变量生成网络，确定与问题语句所对应的词语级的隐变量；通过问答模型的答复语句生成网络对词语级的隐变量进行解码处理，生成与词语级的隐变量相同数量的答复词语；根据与词语级的隐变量相同数量的答复词语，生成与词语级的隐变量相对应的答复语句；通过所生成的答复语句所对应的精确率和召回率的调和平均数，更新隐变量生成网络的参数；通过损失值最小的答复语句的正确数据标注，更新答复语句生成网络的参数。本发明还提供了问题语句处理方法、装置及存储介质。本发明能够使得训练得到的问答模型所生成的回复更加具有针对性，从而可以提升回复的丰富度和前瞻性，提升用户的使用体验。

技术领域

本发明涉及数据处理技术，尤其涉及问答模型训练方法、问题语句处理方法、装置及存储介质。

背景技术

人机交互(Human–Computer Interaction，HCI)是指人与计算机之间使用某种对话语言，以一定的交互方式确定人与计算机之间的信息交换过程。随着人机交互技术的发展，越来越多的基于人机交互技术的智能产品应运而生，例如聊天机器人(chatterbot)等。这些智能产品可以和用户进行聊天交流，并根据用户的问题生成相应的回答信息。但是，所生成的回答信息通常都是高频的通用答复，这些答复往往没有实际意义，同时相关技术仅能够根据一个问题语句生成一个对应的答复语句，但并不能够根据一个问题语句生成多个对应的答复语句，影响用户的使用体验。

发明内容

有鉴于此，本发明实施例提供一种问答模型训练方法、问题语句处理方法、装置及存储介质，能够根据用户输入的问题语句，可以一次性生成多中不同的回复，生成的回复具有较好的多样性，减少了通用回复的生成，提升了用户的使用体验。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种问答模型训练方法，包括：

通过问答模型的隐变量生成网络，确定与问题语句所对应的词语级的隐变量；

通过所述问答模型的答复语句生成网络对所述词语级的隐变量进行解码处理，生成与所述词语级的隐变量相同数量的答复词语；

根据与所述词语级的隐变量相同数量的答复词语，生成与所述词语级的隐变量相对应的答复语句；

通过所生成的答复语句所对应的精确率和召回率的调和平均数，更新所述隐变量生成网络的参数；

通过损失值最小的所述答复语句的正确数据标注，更新所述答复语句生成网络的参数。

本发明实施例还提供了一种问答模型的问题语句处理方法，其特征在于，所述方法包括：

通过问答模型的隐变量生成网络，确定与目标问题语句所对应的至少一个词语级的隐变量；

通过所述问答模型的答复语句生成网络，根据所述至少一个词语级的隐变量，生成与所述词语级的隐变量相对应的答复词语以及所述答复词语的被选取概率；

根据所述答复词语的被选取概率，选取至少一个答复词语组成与所述目标问题语句相对应的答复语句；

输出所述答复语句。

本发明实施例还提供了一种问答模型的训练装置，包括：

隐变量生成网络训练模块，用于通过问答模型的隐变量生成网络，确定与问题语句所对应的词语级的隐变量；

答复语句生成网络训练模块，用于通过所述问答模型的答复语句生成网络对所述词语级的隐变量进行解码处理，生成与所述词语级的隐变量相同数量的答复词语；

所述答复语句生成网络训练模块，用于根据与所述词语级的隐变量相同数量的答复词语，生成与所述词语级的隐变量相对应的答复语句；