【技术实现步骤摘要】
对语言模型进行训练以获得预测模型的方法和装置
[0001]本公开涉及人工智能领域,特别是涉及一种对语言模型进行训练以获得预测模型的方法
、
对语言模型进行训练以获得预测模型的装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
技术介绍
[0002]房产买卖是一个重要的经济活动,在众多的经济活动中,房产买卖的交易额相对巨大,对于每个家庭具有重要的意义
。
无论是个人买卖自住房产,还是投资房地产市场,都需要进行谨慎的决策
。
在房产买卖过程中,买家和卖家都面临着一系列的决策,例如确定适合的买入或卖出时机
、
确定合理的价格
、
评估房屋的潜在价值和风险等
。
这些决策往往需要综合考虑众多因素,如房地产市场行情
、
房屋的地理位置
、
房屋的状况
、
买家或卖家的财务状况等
。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法
。
除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术
。
类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认
。
技术实现思路
[0004]提供一种缓解
、
减轻或甚至消除上述问题中的一个或多个的机制将是有利的
。
[00 ...
【技术保护点】
【技术特征摘要】
1.
一种对语言模型进行训练以获得预测模型的方法,所述方法包括:获取多条文本化业务数据作为第一数据集,所述多条文本化业务数据描述业务相关情况;针对所述第一数据集执行无监督聚类操作以得到第二数据集,所述第二数据集包括
K
个第一子集,所述第一数据集中的每条数据属于所述
K
个第一子集中的相应一个第一子集并且具有所述相应一个第一子集的唯一标签,其中,
K
表示对所述第一数据集进行无监督聚类操作后得到的集群数,并且
K
为大于等于2的整数;针对所述语言模型执行以下训练任务:在第一训练任务中,基于所述第一数据集对所述语言模型进行预训练,得到经预训练语言模型;在第二训练任务中,基于所述第一数据集和所述第二数据集对所述经预训练语言模型进行半监督训练,得到经训练语言模型;在第三训练任务中,基于所述第二数据集对所述经训练语言模型进行调优训练,得到经调优语言模型;以及根据所述经调优语言模型得到所述预测模型
。2.
根据权利要求1所述的方法,其中,针对所述第一数据集执行无监督聚类操作以得到第二数据集包括以下项中的一者:对所述
K
的值进行指定;或者不对所述
K
的值进行指定,其中,所述无监督聚类操作执行后所得的集群数
K
取决于先验知识或所述无监督聚类操作的评价指标
。3.
根据权利要求1或2所述的方法,其中,在第一训练任务中,基于所述第一数据集对所述语言模型进行预训练,得到经预训练语言模型包括以下项中的一者:对所述语言模型的参数进行随机初始化;或者基于与所述语言模型在结构上相同的另一经训练语言模型,对所述语言模型的参数的初始值进行设置
。4.
根据权利要求1或2所述的方法,其中,在第二训练任务中,基于所述第一数据集和所述第二数据集对所述经预训练语言模型进行半监督训练,得到经训练语言模型包括:获取第三数据集,所述第三数据集包括多个不同的第二子集,每个第二子集包括所述第一数据集中的一条文本化业务数据或存在关联的多条文本化业务数据;基于所述第三数据集,执行构建三元组的步骤,包括:构建一条或多条提示学习语句,所述一条或多条提示学习语句中的每一者能够指向所述多个所述第二子集中的任一第二子集;针对所述多个所述第二子集中的每一者,构建三元组,其中,所述一条或多条提示学习语句中的任一条作为所述三元组中的第一元素,该第二子集中的所有文本化业务数据作为所述三元组的第二元素,并且从业务角度而言所述第二数据集中应紧接在该第二子集中的所有文本化业务数据之后的一条数据所在的第一子集的唯一标签作为所述三元组的第三元素;将所构建的所有三元组输入所述经预训练语言模型以对所述经预训练语言模型进行半监督训练,得到所述经训练语言模型
。
5.
根据权利要求1或2所述的方法,其中,在第三训练任务中,基于所述第二数据集对所述经训练语言模型进行调优训练,得到经调优语言模型包括:从所述第二数据集的每个第一子集中选取一定比例的数据,得到第四数据集;基于所述第四数据集,执行构建四元组的步骤,包括:针对所述第四数据集中的每条数据进行...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。