【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种多跳问答模型训练方法及设备。
技术介绍
1、现有的深度学习模型，要取得一个较好的效果，训练数据要求动辄10万级别，在这样的前提下，数据收集工作通常需要分工配合实施，以达到快速见效的目的。而基于知识图谱的多跳问答模型训练，不仅需要图谱数据，还需要问答数据，大规模图谱数据和问答数据的收集需要分工配合进行，在分工配合收集数据时，收集到的数据中难免会出现噪声数据，即图谱数据与问答数据不匹配的问题，例如，出现错别字或者实体关系错误等问题。
2、当进行训练的数据中存在噪声数据时，会对多跳问答模型训练的效果产生影响，并且收敛难度会增加。
3、因此，如何降低噪声数据对多跳问答模型训练的影响，以提高多跳问答模型的准确率成为亟待解决的问题。
技术实现思路
1、本申请实施提供一种多跳问答模型训练方法及设备，用以解决现有技术中噪声数据影响多跳问答模型训练效果的问题。
2、第一方面，本申请提供了一种多跳问答模型训练方法，所述方法包括：
...
【技术保护点】
1.一种多跳问答模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，若样本集中的问答样本数据的噪声标识是随机生成标注的，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第一噪声估计轮次的确定过程包括：
4.根据权利要求1所述的方法，其特征在于，若样本集中的问答样本数据的噪声标识是随机生成标注的，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据每个问答样本数据的修正损失值，对每个问答样本数据的噪声标识进行调整包括：
6.根据权利要求4所述的方法...
【技术特征摘要】
1.一种多跳问答模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，若样本集中的问答样本数据的噪声标识是随机生成标注的，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述第一噪声估计轮次的确定过程包括：
4.根据权利要求1所述的方法，其特征在于，若样本集中的问答样本数据的噪声标识是随机生成标注的，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据每个问答样本数据的修正损失值，对每个问答样本数据的噪声标识进行调整包括：
6.根据权利要求4所述的方法，...
【专利技术属性】
技术研发人员：孟卫明，王彦芳，张烘玮，高雪松，
申请(专利权)人：海信集团控股股份有限公司，
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。