模型训练方法、装置及存储介质制造方法及图纸

本申请提供了一种模型训练方法、装置及存储介质。本申请实施例在模型训练过程中，将疑问词对应的第一提示文本和文本样本作为答案选择模型的输入，使得答案选择模型输出特定类型的潜在答案，另外，还将所述疑问词对应的第二提示文本、文本样本和答案样本作为问题生成模型的输入，从而通过包含有同一疑问词及其释义的提示文本，将答案选择模型和问题生成模型关联起来，使得问题生成模型能够生成与所选择的潜在答案更相关的问题，进而能够改善上述模型所生成的问题答案对的性能。

【技术实现步骤摘要】

本专利技术涉及机器学习与自然语言处理(nlp，natural language processing)，具体涉及一种模型训练方法、装置及存储介质。

技术介绍

1、问题生成技术是自然语言处理领域的一项重要的技术。问题生成的目标是：对于一篇用户指定的文章，生成若干与文章相关的问题并在文章中指出这些问题的答案。问题生成技术被广泛应用于问答系统和搜索引擎中，用以自动生成问题和答案的组合，即问题答案对(本文中有时候也简称为问答对)。问答系统和搜索引擎需要大量问题答案对。在问答系统中，其中一种自动问答方法是：使用相似度算法，将用户问题与数据库内的预构建的问题答案对相匹配从而获取答案；另一方面，搜索引擎使用机器阅读理解模型，针对用户的问题从检索出的文章中找出准确答案，然而机器阅读理解模型需要大量问答对进行训练。构建这些问答对需要大量的时间和人力，而且有时需要标注人员具有一定的领域专业性，而问题生成技术能够通过自动生成问答对，大幅度降低问答系统和搜索引擎的构建成本。

2、目前，主流的问题生成系统往往包括一个答案选择模型和一个问题生成模型，其中，答案选择模型能够本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述第一训练集还包括至少一个第三训练样本，所述第三训练样本按照以下方式构建：

3.如权利要求1或2所述的方法，其特征在于，所述利用所述第一训练集，训练得到一个答案选择模型，以及，利用所述第二训练集，训练得到一个问题生成模型，包括：

4.如权利要求1所述的方法，其特征在于，还包括：

5.如权利要求1所述的方法，其特征在于，

6.如权利要求1所述的方法，其特征在于，所述答案选择模型为自然语言理解模型，所述问题生成模型为自然语言生成模型。

7...

【技术特征摘要】

1.一种模型训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述第一训练集还包括至少一个第三训练样本，所述第三训练样本按照以下方式构建：

3.如权利要求1或2所述的方法，其特征在于，所述利用所述第一训练集，训练得到一个答案选择模型，以及，利用所述第二训练集，训练得到一个问题生成模型，包括：

4.如权利要求1所述的方法，其特征在于，还包括：

5.如权利要求1所述的方法，其特征在于，

6.如权利要求1所述的方法，其特征在于，所述答案选择模型为自然语言理解模型，所述问题生成模型为自然语言生成模型。

7.一种模型训练装置，其特征在于，...

【专利技术属性】
技术研发人员：李宏宇，董滨，姜珊珊，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：