【技术实现步骤摘要】
本公开涉及自然语言处理，尤其涉及一种摘要生成模型的训练方法、摘要生成方法及装置。
技术介绍
1、摘要生成任务的目标是对冗长的语句进行总结，以简洁的内容提炼出语句的关键信息作为摘要，摘要生成任务可适用于多种应用场景(例如，在线客服，会议总结，和往来邮件等场景)中，而摘要生成模型在摘要生成任务中发挥着重要作用。
2、相关技术中，由于语句通常是非正式的、冗长的和重复的，即在语句中会存在反复确认、犹豫的语气词及对话中途被打断等现象，从而导致对话内容的关键信息往往分散在整个语句中。
3、这种方式下，摘要生成模型无法完全捕捉到分散在语句中的事实性内容，从而导致摘要生成模型的摘要生成效果不佳，无法满足实际业务场景中的摘要生成需求。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本公开提出一种摘要生成模型的训练方法、摘要生成方法、装置、电子设备及存储介质，由于是结合目标负例语句对摘要生成模型进行对比学习训练，从而能够有效地辅助提升训练得到的摘要生成模型针对语句中事实性内容的识别抓取能力，有效地提升摘要生成模型的摘要生成效果，从而能够有效地满足实际业务场景中的摘要生成需求。
3、本公开第一方面实施例提出的摘要生成模型的训练方法，包括：获取待处理语句，其中，待处理语句具有对应的初始摘要信息，并从待处理语句中识别得到目标负例语句，其中，目标负例语句用于对初始摘要生成模型进行对比学习训练，再根据待处理语句、目标负例语句
4、本公开第一方面实施例提出的摘要生成模型的训练方法，通过获取待处理语句，其中，待处理语句具有对应的初始摘要信息，并从待处理语句中识别得到目标负例语句，其中，目标负例语句用于对初始摘要生成模型进行对比学习训练，再根据待处理语句、目标负例语句以及初始摘要信息训练初始摘要生成模型，以得到目标摘要生成模型，由于是结合目标负例语句对摘要生成模型进行对比学习训练，从而能够有效地辅助提升训练得到的摘要生成模型针对语句中事实性内容的识别抓取能力，有效地提升摘要生成模型的摘要生成效果，从而能够有效地满足实际业务场景中的摘要生成需求。
5、本公开第二方面实施例提出的摘要生成方法，包括：获取目标语句；将目标语句输入至如上述的摘要生成模型的训练方法训练得到的目标摘要生成模型之中，以得到目标摘要生成模型输出的目标摘要信息。
6、本公开第二方面实施例提出的摘要生成方法，通过获取目标语句，并将目标语句输入至如上述的摘要生成模型的训练方法训练得到的目标摘要生成模型之中，以得到目标摘要生成模型输出的目标摘要信息，由于目标摘要生成模型是结合待处理语句和目标负例语句训练得到的，从而在采用训练得到的目标摘要生成模型处理目标语句时，能够更加充分的学习到目标语句中的关键信息，得到更为充分对目标语句进行表征的目标摘要信息，有效地提升目标摘要生成模型的摘要生成效果。
7、本公开第三方面实施例提出的摘要生成模型的训练装置，包括：第一获取模块，用于获取待处理语句，其中，待处理语句具有对应的初始摘要信息；识别模块，用于从待处理语句中识别得到目标负例语句，其中，目标负例语句用于对初始摘要生成模型进行对比学习训练；训练模块，用于根据待处理语句、目标负例语句以及初始摘要信息训练初始摘要生成模型，以得到目标摘要生成模型。
8、本公开第三方面实施例提出的摘要生成模型的训练装置，通过获取待处理语句，其中，待处理语句具有对应的初始摘要信息，并从待处理语句中识别得到目标负例语句，其中，目标负例语句用于对初始摘要生成模型进行对比学习训练，再根据待处理语句、目标负例语句以及初始摘要信息训练初始摘要生成模型，以得到目标摘要生成模型，由于是结合目标负例语句对摘要生成模型进行对比学习训练，从而能够有效地辅助提升训练得到的摘要生成模型针对语句中事实性内容的识别抓取能力，有效地提升摘要生成模型的摘要生成效果，从而能够有效地满足实际业务场景中的摘要生成需求。
9、本公开第四方面实施例提出的摘要生成装置，包括：第二获取模块，用于获取目标语句；处理模块，用于将目标语句输入至如上述任一项的摘要生成模型的训练装置训练得到的目标摘要生成模型之中，以得到目标摘要生成模型输出的目标摘要信息。
10、本公开第四方面实施例提出的摘要生成装置，通过获取目标语句，并将目标语句输入至如上述的摘要生成模型的训练方法训练得到的目标摘要生成模型之中，以得到目标摘要生成模型输出的目标摘要信息，由于目标摘要生成模型是结合待处理语句和目标负例语句训练得到的，从而在采用训练得到的目标摘要生成模型处理目标语句时，能够更加充分的学习到目标语句中的关键信息，得到更为充分对目标语句进行表征的目标摘要信息，有效地提升目标摘要生成模型的摘要生成效果。
11、本公开第五方面实施例提出的电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如本公开第一方面实施例提出的摘要生成模型的训练方法，或者实现如本公开第二方面实施例提出的摘要生成方法。
12、本公开第六方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的摘要生成模型的训练方法，或者实现如本公开第二方面实施例提出的摘要生成方法。
13、本公开第七方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行如本公开第一方面实施例提出的摘要生成模型的训练方法，或者实现如本公开第二方面实施例提出的摘要生成方法。
14、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
本文档来自技高网...【技术保护点】
1.一种摘要生成模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述待处理语句的数量是多个；
3.如权利要求2所述的方法，其特征在于，所述根据所述多个第一摘要信息和所述多个第二摘要信息训练所述初始摘要生成模型，以得到目标摘要生成模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一匹配概率和所述第二匹配概率训练所述初始摘要生成模型，以得到目标摘要生成模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第一标注概率、所述第二标注概率、所述第一匹配概率、以及所述第二匹配概率训练所述初始摘要生成模型，以得到所述目标摘要生成模型，包括：
6.如权利要求3所述的方法，其特征在于，所述根据多个所述第一摘要信息和相应所述初始摘要信息，确定第一匹配概率，包括：
7.如权利要求3所述的方法，其特征在于，所述根据所述第二摘要信息和相应所述初始摘要信息，确定第二匹配概率，包括：
8.如权利要求1所述的方法，其特征在于，所述待处理语句包括：多个待处理子语句；>
9.如权利要求8所述的方法，其特征在于，所述目标信息包括：目标语义信息，和/或目标实体信息。
10.如权利要求9所述的方法，其特征在于，所述目标信息是所述目标语义信息，其中，所述从所述多个待处理子语句中确定目标子语句，其中，所述目标子语句是不携带目标信息的待处理子语句，包括：
11.如权利要求9所述的方法，其特征在于，所述目标信息是所述目标实体信息，其中，所述从所述多个待处理子语句中确定目标子语句，其中，所述目标子语句是不携带目标信息的待处理子语句，包括：
12.如权利要求8所述的方法，其特征在于，所述根据多个所述目标子语句，形成所述目标负例语句，包括：
13.如权利要求1所述的方法，其特征在于，所述获取待处理语句，包括：
14.如权利要求13所述的方法，其特征在于，所述从所述待处理语句中识别得到目标负例语句，包括：
15.一种摘要生成方法，其特征在于，包括：
16.一种摘要生成模型的训练装置，其特征在于，包括：
17.一种摘要生成装置，其特征在于，包括：
18.一种电子设备，其特征在于，包括：
19.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-14中任一项所述的摘要生成模型的训练方法，或者实现如权利要求15中所述的摘要生成方法。
...【技术特征摘要】
1.一种摘要生成模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述待处理语句的数量是多个；
3.如权利要求2所述的方法，其特征在于，所述根据所述多个第一摘要信息和所述多个第二摘要信息训练所述初始摘要生成模型，以得到目标摘要生成模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述第一匹配概率和所述第二匹配概率训练所述初始摘要生成模型，以得到目标摘要生成模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第一标注概率、所述第二标注概率、所述第一匹配概率、以及所述第二匹配概率训练所述初始摘要生成模型，以得到所述目标摘要生成模型，包括：
6.如权利要求3所述的方法，其特征在于，所述根据多个所述第一摘要信息和相应所述初始摘要信息，确定第一匹配概率，包括：
7.如权利要求3所述的方法，其特征在于，所述根据所述第二摘要信息和相应所述初始摘要信息，确定第二匹配概率，包括：
8.如权利要求1所述的方法，其特征在于，所述待处理语句包括：多个待处理子语句；
9.如权利要求8所述的方法，其特征在于，所述目标信息包括：目标语义信息，和/或目标实体信息。
1...
【专利技术属性】
技术研发人员：邹炎炎，马勉，丁卓冶，龙波，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：
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。