[发明专利]一种神经语言网络模型的训练方法、装置、设备及介质

权利要求书

1.一种神经语言网络模型的训练方法，其特征在于，包括：

获取训练样本数据；

循环执行如下步骤，直至训练得到的神经语言网络模型满足预设要求：

利用前一次训练得到的神经语言网络模型对未进行标注的训练样本数据进行预测，确定用于表征每个训练样本数据被识别的识别概率；

依据预设选择策略，基于所述每个训练样本数据的识别概率，从未进行标注的训练样本数据中选择部分训练样本数据请求进行人工标注；

获取人工标注后的训练样本数据，并基于人工标注后的训练样本数据对所述前一次训练得到的神经语言网络模型进行训练，调整所述前一次训练得到的神经语言网络模型的参数，得到新的神经语言网络模型。

2.根据权利要求1所述的方法，其特征在于，所述基于人工标注后的训练样本数据对所述前一次训练得到的神经语言网络模型进行训练，包括：

基于所有已人工标注的训练样本数据对所述前一次训练得到的神经语言网络模型进行训练。

3.根据权利要求1所述的方法，其特征在于，所述利用前一次训练得到的神经语言网络模型对所述训练样本数据进行预测，包括：

首次对所述训练样本数据进行预测时，使用预训练的神经语言网络模型作为前一次训练得到的神经语言网络模型。

4.根据权利要求1所述的方法，其特征在于，所述预设选择策略，包括：选择识别概率小于预设概率阈值的数据；

所述依据预设选择策略，基于所述每个训练样本数据的识别概率，从所述训练样本数据中选择部分训练样本数据请求进行人工标注，包括：

从所述训练样本数据中选择识别概率小于预设概率阈值的部分训练样本数据请求进行人工标注。

5.一种神经语言网络模型的训练装置，其特征在于，包括：

获取单元，用于获取训练样本数据；

处理单元，用于循环执行如下步骤，直至训练得到的神经语言网络模型满足预设要求：

利用前一次训练得到的神经语言网络模型对未进行标注的训练样本数据进行预测，确定用于表征每个训练样本数据被识别的识别概率；

依据预设选择策略，基于所述每个训练样本数据的识别概率，从未进行标注的训练样本数据中选择部分训练样本数据请求进行人工标注；

获取人工标注后的训练样本数据，并基于人工标注后的训练样本数据对所述前一次训练得到的神经语言网络模型进行训练，调整所述前一次训练得到的神经语言网络模型的参数，得到新的神经语言网络模型。

6.根据权利要求5所述的装置，其特征在于，所述处理单元，具体用于：

基于所有已人工标注的训练样本数据对所述前一次训练得到的神经语言网络模型进行训练。

7.根据权利要求5所述的装置，其特征在于，所述处理单元，具体用于：

首次对所述训练样本数据进行预测时，使用预训练的神经语言网络模型作为前一次训练得到的神经语言网络模型。

8.根据权利要求5所述的装置，其特征在于，所述预设选择策略，包括：选择识别概率小于预设概率阈值的数据；

所述处理单元，具体用于：

从所述训练样本数据中选择识别概率小于预设概率阈值的部分训练样本数据请求进行人工标注。

9.一种神经语言网络模型的训练设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-4中任一项所述的神经语言网络模型的训练方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被神经语言网络模型的训练设备的处理器执行时实现如权利要求1-4中任一项所述的神经语言网络模型的训练方法。