模型训练方法、问答交互方法、执行装置和家电设备制造方法及图纸

本申请涉及智能家电技术领域，公开一种模型训练方法，用于训练文本匹配模型，该方法包括对训练样本进行扩充获得目标训练样本，并基于目标样本训练基础模型获得初始文本匹配模型；从目标训练样本中选取目标文本对，并基于初始文本匹配模型对目标文本对的相似度进行判断，确定判断结果；基于设定的奖励函数对判断结果进行打分确定反馈分数；根据反馈分数对初始文本匹配模型进行优化，获得目标文本匹配模型。本申请仅需用户标注少量的训练样本，就可获得输出的标准问题准确性较高的文本匹配模型。本申请还公开一种问答交互方法、执行装置和家电设备。

【技术实现步骤摘要】

本申请涉及智能家电，例如涉及一种模型训练方法、问答交互方法、执行装置和家电设备。

技术介绍

1、目前，需要在家电设备上的安装问答系统，而问答系统中的文本匹配模型是其核心技术。文本匹配模型能够根据用户输入的问题从标准问题库中匹配标准问题，然后以标准问题对应的答案作为用户输入问题的答案。而为了文本匹配模型能够准确的匹配出标准问题，需要预先对文本匹配模型进行训练。

2、相关技术中，提供了一种文本匹配模型训练方法，包括：根据本文数据确定训练样本集合，所述训练样本集合包括多个样本对，所述样本对包括第一文本段、第二文本段、所述第一文本段和所述第二文本段对应的标签，所述标签用于指示所述样本对为正样本对或者负样本对，其中所述第一文本段和所述第二文本段为所述本文数据中的文本段；将所述样本对的余弦语义相似度信息与ngram信息相结合得到基于cosine-ngram的收敛函数，将所述基于cosine-ngram的收敛函数作为初始孪生深度网络模型的损失函数，根据所述训练样本集合对所述初始孪生深度网络模型进行训练，获取孪生深度网络模型；其中，所述孪生深度网络模型用于确定本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，用于训练文本匹配模型，方法包括：

2.根据权利要求1所述的方法，其特征在于，初始训练样本包括多个文本对，每个文本对包括第一语句和第二语句；对训练样本进行扩充，获得目标训练样本，包括：

3.根据权利要求1或2所述的方法，其特征在于，根据反馈分数对初始文本匹配模型进行优化，包括：

4.一种问答交互方法，其特征在于，包括：

5.根据权利要求4所述的方法，其特征在于，根据语音数据确定文本信息，包括：

6.根据权利要求4所述的方法，其特征在于，将文本信息输入至文本匹配模型，确定与文本信息匹配的目标答案，包...

【技术特征摘要】

1.一种模型训练方法，其特征在于，用于训练文本匹配模型，方法包括：

2.根据权利要求1所述的方法，其特征在于，初始训练样本包括多个文本对，每个文本对包括第一语句和第二语句；对训练样本进行扩充，获得目标训练样本，包括：

3.根据权利要求1或2所述的方法，其特征在于，根据反馈分数对初始文本匹配模型进行优化，包括：

4.一种问答交互方法，其特征在于，包括：

5.根据权利要求4所述的方法，其特征在于，根据语音数据确定文本信息，包括：

6.根据权利要求4...

【专利技术属性】
技术研发人员：李敏，孔令磊，曾谁飞，刘卫强，张景瑞，谢充，李京昌，谭夏霞，马全亭，魏倩，葛宗玉，
申请(专利权)人：青岛海尔电冰箱有限公司，
类型：发明
国别省市：