【技术实现步骤摘要】
本专利技术实施例涉及计算机，尤其涉及一种问答模型的训练方法、应用方法、及存储介质。
技术介绍
1、智能问答模型，是通过自然语言处理技术得到的一种语言模型，其可以根据用户输入的问题从知识库中确定出针对该问题的答复。
2、然而，在实现本专利技术过程中，发现现有技术中至少存在如下问题：现有技术中，由于在模型训练过程中很难对不同格式的数据进行融合，所以目前的智能问答模型仅支持用户输入文本格式的问题，导致智能问答模型的应用场景受到限制。
技术实现思路
1、本专利技术实施例提供了一种问答模型的训练方法、应用方法、及存储介质，可以解决由于目前的智能问答模型仅支持用户输入文本格式的问题，导致智能问答模型的应用场景受限的技术问题。
2、第一方面，本专利技术实施例提供了一种问答模型的训练方法，该方法可以包括：对于各样本问题数据组中的每个样本问题数据组，均基于当前样本问题数据组中的各样本问题数据、以及各样本问题数据分别对应的标识符和向量编码规则，确定当前样本问题数据组对应的样本问题特征向...
【技术保护点】
1.一种问答模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的问答模型的训练方法，其特征在于，所述根据所述各样本问题数据组分别对应的样本问题特征向量、以及所述各样本问题数据组分别对应的样本答复数据的样本答复特征向量，对预设语言模型进行训练，得到所述问答模型，包括：
3.根据权利要求2所述的问答模型的训练方法，其特征在于，所述基于当前样本问题数据组对应的样本问题特征向量、以及针对当前样本问题数据组的目标图文表格中的各候选表格元素分别对应的元素特征向量，通过所述预设语言模型，从所述各候选表格元素分别对应的元素特征向量中确定出当前样本问题数...
【技术特征摘要】
1.一种问答模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的问答模型的训练方法，其特征在于，所述根据所述各样本问题数据组分别对应的样本问题特征向量、以及所述各样本问题数据组分别对应的样本答复数据的样本答复特征向量，对预设语言模型进行训练，得到所述问答模型，包括：
3.根据权利要求2所述的问答模型的训练方法，其特征在于，所述基于当前样本问题数据组对应的样本问题特征向量、以及针对当前样本问题数据组的目标图文表格中的各候选表格元素分别对应的元素特征向量，通过所述预设语言模型，从所述各候选表格元素分别对应的元素特征向量中确定出当前样本问题数据组对应的预测答复特征向量，包括：
4.根据权利要求2所述的问答模型的训练方法，其特征在于，所述预设语言模型包括行定位子网络和列定位子网络；所述基于当前样本问题数据组对应的样本问题特征向量、以及针对当前样本问题数据组的目标图文表格中的各候选表格元素分别对应的元素特征向量，通过所述预设语言模型，从所述各候选表格元素分别对应的元素特征向量中确定出当前样本问题数据组对应的预测答复特征向量，包括：
5.根据权利要求4所述的问答模型的训练方法，其特征在于，所述基于当前候选表格行中的各表格元素分别对应的元素特征向量，确定当前候选表格行对应的行特征向量，包括：
6.根据权利要求5所述的问答模型的训练方法，其特征在于，所述基于所述预测行拼接向量对应的行特征向量，确定针对当前样本问题数据组的预测答复特征向量，包括：
7.根据权利要求2所述的问答模型的训练方法，其特征在于，所述基于当前样本问题数据组对应的样本问题特征向量、以及针对当前样本问题数据组的目标图文表格中的各候选表格...
【专利技术属性】
技术研发人员：袁韶祖，刘瑞雪，宋阳，祝天刚，
申请(专利权)人：京东城市北京数字科技有限公司，
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。