[发明专利]应答模型的训练方法、应答方法、装置、设备及存储介质

说明书

本发明实施例涉及人工智能技术领域，公开了一种应答模型的训练方法、应答方法、装置、设备及存储介质，应答模型的训练方法包括：基于知识图谱提取出的实体信息构建意图训练样本；基于预训练模型构建问答训练样本；根据所述意图训练样本和所述问答训练样本构建应答模型训练样本；使用所述应答模型训练样本对预先构建的应答模型进行训练，得到训练好的应答模型。本发明实施例提供的方法通过根据知识图谱抽取结果自动生成训练语料，完成端到端的应答模型的会话设计与会话构建，将规则和深度学习结合应用提高了生成的应答模型训练样本与真实问答数据的相似性，一定程度上提高了生成文本的泛化能力，进而提高了应答模型的通用性。

技术领域

本发明实施例涉及人工智能领域，尤其涉及一种应答模型的训练方法、应答方法、装置、设备及存储介质。

背景技术

智能运维(Artificial Intelligence for IT Operations，AIOps)，是将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率。AIops主张由机器学习算法自动地从海量运维数据(包括事件本身以及运维人员的人工处理日志)中不断地学习，不断提炼并总结规则。AIOps在自动化运维的基础上，增加了一个基于机器学习的大脑，指挥监测系统采集大脑决策所需的数据，做出分析、决策，并指挥自动化脚本去执行大脑的决策，从而达到运维系统的整体目标。综上看，自动化运维水平是AIOps的重要基石，而AIOps将基于自动化运维，将AI和运维很好地结合起来，但目前的AIOps仍存在不同场景下运维知识迁移的缺陷，对于新场景，新数据，往往需要重新从零构建AIops，需要额外重复的劳动力，费时费力。

发明内容

本发明实施例提供了一种应答模型的训练方法、应答方法、装置、设备及存储介质，以实现提高智能运维的通用性。

第一方面，本发明实施例提供了一种应答模型的训练方法，其特征在于，包括：

基于知识图谱提取出的实体信息构建意图训练样本；

基于预训练模型构建问答训练样本；

根据意图训练样本和问答训练样本构建应答模型训练样本；

使用应答模型训练样本对预先构建的应答模型进行训练，得到训练好的应答模型。

第二方面，本发明实施例还提供了一种应答方法，包括：

获取待应答信息；

将待应答信息输入至预先训练的应答模型中，获得应答模型的输出结果，其中，应答模型是通过本发明任意实施例所提供的应答模型的训练方法训练得到的；

根据输出结果确定应答信息并输出。

第三方面，本发明实施例还提供了一种应答模型的训练装置，包括：

意图样本构建模块，用于基于知识图谱提取出的实体信息构建意图训练样本；

问答样本构建模块，用于基于预训练模型构建问答训练样本；

训练样本构建模块，用于根据意图训练样本和问答训练样本构建应答模型训练样本；

应答模型训练模块，用于使用应答模型训练样本对预先构建的应答模型进行训练，得到训练好的应答模型。

第四方面，本发明实施例提供了一种应答装置，包括：

待应答信息获取模块，用于获取待应答信息；

应答模型预测模块，用于将待应答信息输入至预先训练的应答模型中，获得应答模型的输出结果，其中，应答模型是通过本发明任意实施例所提供的应答模型的训练方法训练得到的；

应答信息输出模块，用于根据输出结果确定应答信息并输出。