模型训练方法和装置、设备、存储介质及产品制造方法及图纸

本申请实施例提供一种模型训练方法和装置、设备、存储介质及产品。该方法包括：获取时间序列数据样本；将所述多个训练语句中的每个训练语句输入到第一模型进行特征提取，得到每个训练语句的特征；基于每个训练语句的特征对所述多个训练语句进行分割，得到多个分割位置；针对所述多个分割位置中的第j个分割位置基于第一训练语句的特征，对所述分割位置进行调整，得到与所述分割位置对应的分割位置cj；基于所述分割位置cj和所述多个训练语句，对所述第一模型进行训练，得到第二模型。本申请实施例有利于提高主题分割精度。

【技术实现步骤摘要】

本申请涉及人工智能，具体涉及一种模型训练方法和装置、设备、存储介质及产品。

技术介绍

1、主题分割的目的是将具有时序的多个语句划分为多个片段，其中，每个片段内的语句都是类似的话题，也就是说每个片段内的语句的主题相同，不同片段内的主题不同。主题分割对自然语言处理任务的下游任务至关重要，比如，针对对话总结、对话生成、响应预测和问题回答这些下游任务，有效的主题分割，能够提升这些下游任务的处理精度。

2、目前，主题分割主要是将语句的特征输入到模型，模型利用语句的特征计算语句之间的相似度，从而输出语句的分割边界，也可称为分割位置，即目前模型主要是从全局的角度，将多个语句分割成具有多个主题的片段。然而，利用语句的相似度的全局分割方式比较简单粗暴，识别出的分割边界的精度比较低，导致分割出的主题的精度比较低。

技术实现思路

1、本申请实施例提供了一种模型训练方法和装置、设备、存储介质及产品，通过全局和动态局部调整的方式训练出具有高精度主题意识的模型，从而使用该模型对语句进行主题分割时，可以提高对语句的主题的分割精本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于每个训练语句的特征对所述多个训练语句进行分割，得到多个分割位置，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述两个训练语句的语义相似度，对所述多个训练语句进行聚类，得到第一聚类中心，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于第一训练语句的特征，对所述分割位置cj进行调整，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一相似度和所述第四训练语句对应的第二相似度，对所述分割位置进行调整，包括：<...

【技术特征摘要】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于每个训练语句的特征对所述多个训练语句进行分割，得到多个分割位置，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述两个训练语句的语义相似度，对所述多个训练语句进行聚类，得到第一聚类中心，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于第一训练语句的特征，对所述分割位置cj进行调整，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一相似度和所述第四训练语句对应的第二相似度，对所述分割位置进行调整，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一相似度和所述第四训练语句对应的第二相似度，确定所述第二训练语句的评分，包括：

7.根据权利要求5或6所述的方法，其特征在于，所述基于所述第二训练语句的评分，对所述分割位置进行调整，包括：

8.根据权利要求1-7任一项所述的方法，其特征在于，所述基于所述分割位置cj和所述多个训练语句，对所述第一模型进行训练，得到第二模型，包括：

9.根据权利要求8所述的方法，其特征在于，所述基于所述多个训练语句，获取与所述第一主题对应的样本集，包括：

10.根据权利要求9所述的方法，其特征在于，所述从第二主题对应的训练语句中，获取与所述第一主题对应的负样本集，包括：

11.根据权利要求10所述的方法，其特征在于，所述基于所述第二数量，从所述第二主题对应的训练语句中获取所述负样本集，包括：

12.根据权利要...

【专利技术属性】
技术研发人员：吕艳通，陶万杰，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：