信息处理方法、模型训练方法、装置、设备及存储介质制造方法及图纸

本公开提供了信息处理方法、模型训练方法、装置、设备及存储介质，涉及计算机技术领域，尤其涉及人工智能、自然语言处理等技术领域。具体实现方案为：获取问题描述信息；在知识库中检索问题描述信息相关的知识，得到检索结果；对问题描述信息和检索结果进行内容理解，得到待处理信息；基于待处理信息生成有向无环图，有向无环图中包括至少一个基本推理算子；基于有向无环图处理待处理信息，得到处理结果，并输出有向无环图中各基本推理算子的输入信息和输出结果。本公开实施例可以将推理过程表达和输出出来，能够便于用户了解推理过程，因此提高了认知智能的可解释性，为完善认知智能业务和其他业务提供了数据支持。能业务和其他业务提供了数据支持。能业务和其他业务提供了数据支持。

【技术实现步骤摘要】
信息处理方法、模型训练方法、装置、设备及存储介质


[0001]本公开涉及计算机
，尤其涉及人工智能、自然语言处理等


技术介绍

[0002]自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
[0003]自然语言处理技术一个重要的方向是认知智能。其中，问答类和决策类是认知智能中最重要的两类任务。这两类任务在输入输出和计算过程上具有显著共性。例如，输入均为问题相关的描述，输出为问题答案或决策结果。
[0004]目前，不同行业对认知智能业务需求在不断加深，例如，医疗场景中的问答和诊断，金融场景中的咨询和风控，以及工业场景中的故障诊断等等。这些需求广泛存在，具有巨大的应用价值。但由于问题本身的复杂度，需要提高认知智能业务在处理问题过程中的可解释性。然而，当前并没有成熟可用的解决方案。

技术实现思路

[0005]本公开提供了一种信息处理方法、模型训练方法、装置、设备及存储介质。
[0006]根据本公开的一方面，提供了一种信息处理方法，包括：
[0007]获取问题描述信息；
[0008]在知识库中检索问题描述信息相关的知识，得到检索结果；
[0009]对问题描述信息和检索结果进行内容理解，得到待处理信息；
[0010]基于待处理信息生成有向无环图，有向无环图中包括至少一个基本推理算子；
[0011]基于有向无环图处理待处理信息，得到处理结果，并输出有向无环图中各基本推理算子的输入信息和输出结果。
[0012]根据本公开的另一方面，提供了一种模型训练方法，包括：
[0013]获取训练样本，训练样本中包括问题样本和样本标签；
[0014]在知识库中检索问题样本相关的知识，得到相关知识；
[0015]对问题样本和相关知识进行内容理解，得到输入样本；
[0016]将输入样本输入到待训练网络，得到待训练网络输出的有向无环图；其中，有向无环图中包括至少一个基本推理算子；
[0017]基于待训练网络输出的有向无环图和样本标签，确定损失值；
[0018]基于损失值调整待训练网络的模型参数，在满足训练收敛条件的情况下，得到用于生成有向无环图的图生成网络。
[0019]根据本公开的另一方面，提供了一种信息处理装置，包括：
[0020]第一获取模块，用于获取问题描述信息；
[0021]第一检索模块，用于在知识库中检索问题描述信息相关的知识，得到检索结果；
[0022]内容理解模块，用于对问题描述信息和检索结果进行内容理解，得到待处理信息；
[0023]第一生成模快，用于基于待处理信息生成有向无环图，有向无环图中包括至少一个基本推理算子；
[0024]执行模块，用于基于有向无环图处理待处理信息，得到处理结果，并输出有向无环图中各基本推理算子的输入信息和输出结果。
[0025]根据本公开的另一方面，提供了一种模型训练装置，包括：
[0026]第二获取模块，用于获取训练样本，训练样本中包括问题样本和样本标签；
[0027]第二检索模块，用于在知识库中检索问题样本相关的知识，得到相关知识；
[0028]内容理解模块，用于对问题样本和相关知识进行内容理解，得到输入样本；
[0029]第二生成模块，用于将输入样本输入到待训练网络，得到待训练网络输出的有向无环图；其中，有向无环图中包括至少一个基本推理算子；
[0030]损失确定模块，用于基于待训练网络输出的有向无环图和样本标签，确定损失值；
[0031]调整模块，用于基于损失值调整待训练网络的模型参数，在满足训练收敛条件的情况下，得到用于生成有向无环图的图生成网络。
[0032]根据本公开的另一方面，提供了一种电子设备，包括：
[0033]至少一个处理器；以及
[0034]与该至少一个处理器通信连接的存储器；其中，
[0035]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
[0036]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
[0037]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
[0038]本公开实施例可以将推理过程表达和输出出来，能够便于用户了解推理过程，因此提高了认知智能的可解释性，为完善认知智能业务和其他业务提供了数据支持。
[0039]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0040]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0041]图1是根据本公开一实施例的信息处理方法的流程示意图；
[0042]图2是根据本公开一实施例的认知智能业务的框架示意图；
[0043]图3是根据本公开一实施例的有向无环图生成的流程示意图；
[0044]图4是根据本公开一实施例的生成有向无环图的流程示意图；
[0045]图5是根据本公开一实施例的又一生成有向无环图的流程示意图；
[0046]图6是根据本公开一实施例的生成有向无环图的流程示意图；
[0047]图7是根据本公开一实施例的执行基本算子的场景示意图；
[0048]图8是根据本公开一实施例的模型训练方法的流程示意图；
[0049]图9是根据本公开一实施例的生成有向无环图的流程示意图；
[0050]图10是根据本公开一实施例的确定损失值的示意图；
[0051]图11是根据本公开一实施例的进行问答的场景示例图；
[0052]图12是根据本公开一实施例的又一进行问答的场景示例图；
[0053]图13是根据本公开一实施例的信息处理装置的结构示意图；
[0054]图14是根据本公开一实施例的模型训练装置的结构示意图；
[0055]图15是用来实现本公开实施例的信息处理方法和/或模型训练方法的电子设备的框图。
具体实施方式
[0056]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0057]提高认知智能业务在处理问题过程中的可解释性，能够帮助理解认知智能如何处理问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，包括：获取问题描述信息；在知识库中检索所述问题描述信息相关的知识，得到检索结果；对所述问题描述信息和所述检索结果进行内容理解，得到待处理信息；基于所述待处理信息生成有向无环图，所述有向无环图中包括至少一个基本推理算子；基于所述有向无环图处理所述待处理信息，得到处理结果，并输出所述有向无环图中各基本推理算子的输入信息和输出结果。2.根据权利要求1所述的方法，其中，候选计算单元集合提供用于生成所述有向无环图的基本推理算子，所述候选计算单元集合中包括以下基本推理算子中的至少一种：匹配判定单元、用于对输入信息和判定条件进行匹配操作并输出匹配结果；因果逻辑单元、用于确定输入信息之间的因果关系；逻辑计算单元、用于执行交叉并补操作；算术计算单元、用于执行加法操作、减法操作、乘法操作和除法操作中的至少一种；比较操作单元、用于比较输入信息和目标信息之间的大小关系；聚合操作单元、用于执行求和操作和计数操作中的至少一种。3.根据权利要求1或2所述的方法，其中，所述基于所述待处理信息生成有向无环图，包括：将所述待处理信息输入到图生成网络，得到有向无环图。4.根据权利要求3所述的方法，其中，所述将所述待处理信息输入到图生成网络，得到有向无环图，包括：将所述待处理信息输入所述图生成网络，得到所述图生成网络输出的有序执行的至少一个基本推理算子；基于所述至少一个基本推理算子的执行顺序，构建所述有向无环图。5.根据权利要求3所述的方法，其中，所述将所述待处理信息输入到图生成网络，得到有向无环图，包括：将所述待处理信息输入所述图生成网络，得到所述有向无环图中的首个基本推理算子；针对所述有向无环图中的每个待生成的基本推理算子，分别执行：将已生成的基本推理算子构建的待完善有向无环图，以及所述待处理信息输入所述图生成网络，得到所述有向无环图中的所述待生成的基本推理算子。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述对所述问题描述信息和所述检索结果进行内容理解，得到待处理信息，包括：将所述问题描述信息和所述检索结果输入神经网络模型进行内容理解；将所述神经网络模型提取的特征表示，确定为所述待处理信息。7.根据权利要求1
‑
6中任一项所述的方法，其中，所述基于所述有向无环图处理所述待处理信息，得到处理结果，包括：基于所述有向无环图处理所述待处理信息，生成与所述问题描述信息匹配的问答类答案；
基于所述问答类答案响应所述问题描述信息。8.根据权利要求1
‑
6中任一项所述的方法，其中，所述基于所述有向无环图处理所述待处理信息，得到处理结果，包括：在所述有向无环图中的基本推理算子为需要执行的决策策略的情况下，执行所述决策策略，得到执行结果；基于所述执行结果响应所述问题描述信息。9.根据权利要求1
‑
8中任一项所述的方法，其中，所述输出所述有向无环图中各基本推理算子的输入信息和输出结果，包括：在所述有向无环图的基础上，标记出各基本推理算子的执行顺序、各基本推理算子的输入信息、以及各基本推理算子的输出结果。10.一种模型训练方法，包括：获取训练样本，所述训练样本中包括问题样本和样本标签；在知识库中检索所述问题样本相关的知识，得到相关知识；对所述问题样本和所述相关知识进行内容理解，得到输入样本；将所述输入样本输入到待训练网络，得到所述待训练网络输出的有向无环图；其中，所述有向无环图中包括至少一个基本推理算子；基于所述待训练网络输出的有向无环图和所述样本标签，确定损失值；基于所述损失值调整所述待训练网络的模型参数，在满足训练收敛条件的情况下，得到用于生成有向无环图的图生成网络。11.根据权利要求10所述的方法，其中，所述将所述输入样本输入到待训练网络，得到所述待训练网络输出的有向无环图，包括：将所述输入样本输入到所述待训练网络，得到所述待训练网络输出的有序执行的至少一个基本推理算子；基于所述多个基本推理算子的执行顺序，构建所述有向无环图。12.根据权利要求10所述的方法，其中，所述将所述输入样本输入到待训练网络，得到所述待训练网络输出的有向无环图，包括：将所述输入样本输入到所述待训练网络，得到所述有向无环图中的首个基本推理算子；针对所述有向无环图中的每个待生成的基本推理算子，分别执行：将已生成的基本推理算子构建的待完善有向无环图，以及待处理信息输入所述待训练网络，得到所述有向无环图中的所述待生成的基本推理算子。13.根据权利要求11或12所述的方法，其中，所述基于所述待训练网络输出的有向无环图和所述样本标签，确定损失值，包括：在所述待训练网络输出的有向无环图与所述样本标签一致的情况下，确定所述损失值为第一值；在所述待训练网络输出的有向无环图与所述样本标签不一致的情况下，确定所述损失值为第二值。14.根据权利要求11或12所述的方法，其中，所述基于所述待训练网络输出的有向无环图和所述样本标签，确定损失值，包括：
将所述待训练网络输出的有向无环图中第n个基本推理算子与所述样本标签中的第n个参考推理算子进行比对，其中n为正整数；在比对结果一致的情况下，确定所述第n个基本推理算子对应第一损失值；在比对结果不一致的情况下，确定所述第n个基本推理算子对应第二损失值；将所述有向无环图中各基本推理算子对应的损失值相加，得到用于调整模型参数的损失值。15.一种信息处理装置，包括：第一获取模块，用于获取问题描述信息；第一检索模块，用于在知识库中检索所述问题描述信息相关的知识，得到检索结果；内容理解模块，用于对所述问题描述信息和所述检索结果进行内容理解，得到待...

【专利技术属性】
技术研发人员：姜文斌，吕雅娟，佘俏俏，吴华，吴甜，王海峰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：