[发明专利]文本通顺度的确定方法、目标模型的训练方法及装置

说明书

本公开提供了文本通顺度的确定方法、目标模型的训练方法、装置、设备、存储介质及产品，涉及人工智能技术领域和自然语言处理技术领域。具体实现方案包括：将待测文本包含的第i个目标对象输入包含N个处理层的目标模型，得到N个处理层中的第j个处理层输出的第i个目标对象的第j个概率分布；其中，i为大于等于1且小于等于K的整数；j为大于等于1且小于N的整数；在第i个目标对象的第j个概率分布满足预设条件的情况下，基于第i个目标对象的第j个概率分布，确定第i个目标对象的概率值。本公开的技术方案，能提高确定文本通顺度的效率。

技术领域

本公开涉及人工智能技术领域，尤其涉及中自然语言处理技术领域。

背景技术

随着信息技术的发展，能利用设备对文本进行校对等处理。例如，通过训练好的通顺度模型对生成的文本进行语义通顺度的检测。语义通顺度模型作为通用的基础模型，往往被应用到很多业务线上，而不同项目对通顺度模型预测耗时的要求不同，因此，如何提升通顺度的检测效率成为亟待解决的问题。

发明内容

本公开提供了一种文本通顺度的确定方法及装置、目标模型的训练方法及装置、设备、存储介质以及产品。

根据本公开的一方面，提供了一种文本通顺度的确定方法，包括：

将待测文本包含的K个目标对象输入包含N个处理层的目标模型，得到待测文本中的K个目标对象的概率值；其中，K为大于等于1的整数，N为大于等于2的整数；

基于待测文本中K个目标对象的概率值，确定待测文本的通顺度预测结果；

其中，将待测文本包含的K个目标对象输入包含N个处理层的目标模型，得到待测文本中的K个目标对象的概率值，包括：

将待测文本包含的第i个目标对象输入包含N个处理层的目标模型，得到N个处理层中的第j个处理层输出的第i个目标对象的第j个概率分布；其中，i为大于等于1且小于等于K的整数；j为大于等于1且小于N的整数；

在第i个目标对象的第j个概率分布满足预设条件的情况下，基于第i个目标对象的第j个概率分布，确定第i个目标对象的概率值。

根据本公开的另一方面，提供了一种目标模型的训练方法，包括：

将训练文本包含的K个目标对象中第i个目标对象输入包括N个处理层的目标模型，得到N个处理层中的第j个处理层输出的第i个目标对象的概率分布；基于所述第i个目标对象的所述第j个概率分布，确定所述第i个目标对象的概率值；其中，K为大于等于1的整数，N为大于等于2的整数；i为大于等于1且小于等于K的整数；j为大于等于1且小于N的整数；

根据K个目标对象分别对应的前N-1个处理层的概率值，以及K个目标对象分别对应的N-1个处理层的拟合到真实标签的概率值，确定损失函数；

基于损失函数进行反向传导更新目标模型。

根据本公开的另一方面，提供了一种文本通顺度的确定装置，包括：

获取模块，用于将待测文本包含的K个目标对象输入包含N个处理层的目标模型，得到待测文本中的K个目标对象的概率值；其中，K为大于等于1的整数，N为大于等于2的整数；

第一确定模块，用于基于待测文本中K个目标对象的概率值，确定待测文本的通顺度预测结果；

其中，获取模块用于：

将待测文本包含的第i个目标对象输入包含N个处理层的目标模型，得到N个处理层中的第j个处理层输出的第i个目标对象的第j个概率分布；其中，i为大于等于1且小于等于K的整数；j为大于等于1且小于N的整数；

在第i个目标对象的第j个概率分布满足预设条件的情况下，基于第i个目标对象的第j个概率分布，确定第i个目标对象的概率值。