语句生成模型更新方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于人工智能的语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取由对象标识触发的查询语句，通过语句生成模型生成与查询语句关联的多个候选语句；将通过对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本；对正样本和负样本分别进行特征提取，得到正样本对应的语义表示和负样本对应的语义表示；基于正样本的语义表示和负样本的语义表示，构建正样本和负样本之间的对比损失函数；通过对比损失函数对语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。采用本方法能够提高语句生成模型生成与查询语句关联的泛化结果的准确性。性。性。

【技术实现步骤摘要】
语句生成模型更新方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着计算机技术的发展，出现了智能问答技术，通过智能问答技术能够自动回复用户的查询请求，并推荐与用户的查询请求相关的其他请求供用户参考。例如，智能问答系统回复用户提出的问题，并提供多个类似问题给用户，以便用户自主选择是否进行进一步了解。
[0003]传统的智能问答技术中，一般是采用已经标注好的平行数据集对泛化模型进行训练，以通过训练好的泛化模型生成与查询请求对应的多个泛化结果。然而，用于训练模型的平行数据集中正样本和负样本之间的关联性较差，导致模型生成的泛化结果不准确。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高模型泛化结果的准确性的语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]一种语句生成模型更新方法，所述方法包括：
[0006]获取由对象标识触发的查本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语句生成模型更新方法，其特征在于，所述方法包括：获取由对象标识触发的查询语句，通过语句生成模型生成与所述查询语句关联的多个候选语句；将通过所述对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本；对所述正样本和所述负样本分别进行特征提取，得到所述正样本对应的语义表示和所述负样本对应的语义表示；基于所述正样本的语义表示和所述负样本的语义表示，构建所述正样本和所述负样本之间的对比损失函数；通过所述对比损失函数对所述语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。2.根据权利要求1所述的方法，其特征在于，所述获取由对象标识触发的查询语句，通过语句生成模型生成与所述查询语句关联的多个候选语句，包括：响应于对象标识在问答界面触发的添加操作，获取所述对象标识添加的查询语句并展示；响应于由所述对象标识触发的对所述查询语句的编辑操作，调用语句生成模型生成与所述查询语句关联的多个候选语句。3.根据权利要求1所述的方法，其特征在于，所述将通过所述对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本，包括：响应于由所述对象标识触发的对所述查询语句的编辑操作，进入所述查询语句的编辑界面；在所述编辑界面中展示与所述查询语句关联的候选语句的查看控件；响应于对所述查看控件的触发操作，展示与所述查询语句关联的多个候选语句；响应于对多个所述候选语句的选择操作，将所述选择操作所选中的候选语句作为正样本，将未被所述选择操作选中的候选语句作为负样本。4.根据权利要求1所述的方法，其特征在于，所述基于所述正样本的语义表示和所述负样本的语义表示，构建所述正样本和所述负样本之间的对比损失函数，包括：遍历样本集合中的各样本，所述样本集合中包括正样本和负样本；在每次遍历中，确定当前遍历的样本的语义表示分别和每个所述正样本的语义表示之间的第一相似关系，并确定所述当前遍历的样本的语义表示分别和所述样本集合中的其余样本的语义表示之间的第二相似关系；基于各所述第一相似关系和各所述第二相似关系，构建所述正样本和所述负样本之间的对比损失函数。5.根据权利要求4所述的方法，其特征在于，所述基于各所述第一相似关系和各所述第二相似关系，构建所述正样本和所述负样本之间的对比损失函数，包括：基于每次遍历的样本所对应的各所述第一相似关系和各所述第二相似关系，确定所述每次遍历的样本分别对应的损失值；根据所述每次遍历的样本分别对应的损失值，确定所述正样本和所述负样本之间的对比损失函数。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过所述语句生成模型基于目标样本的语义表示，生成与所述目标样本关联的预测语句，所述目标样本为正样本或负样本；根据所述预测语句和所述目标样本对应的标注关联语句，构建差异损失函数；基于所述对比损失函数和所述差异损失函数，构建目标损失函数；所述通过所述对比损失函数对所述语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型，包括：通过所述目标损失函数对所述语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。7.根据权利要求1至6任意一项所述的方法，其特征在于，所述方法还包括：获取目标查询语句，生成与所述目标查询语句对应的答复语句；通过所述更新完成的语句生成模型基于所述目标查询语句和所述答复语句，生成与所述目标查询语句关联的关联语句。8.根据权利要求7所述的方法，其特征在于，所述通过所述更新完成的语句生成模型基...

【专利技术属性】
技术研发人员：周辉阳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：