[发明专利]获取文本提取模型的方法及装置

说明书

本发明公开了一种获取文本提取模型的方法及装置，属于机器学习技术领域。该方法包括：获取第一文本提取模型，第一文本提取模型根据人工标注的第一训练文本集合得到；如果第一文本提取模型的提取准确度低于预设阈值，获取第二训练文本集合，第二训练文本集合包括多个第一训练语料和通过第一文本提取模型从多个第一训练语料中提取的多个第一目标文本；根据第一训练文本集合和第二训练文本集合，获取第二文本提取模型。本发明通过第一文本提取模型获取第二训练文本集合，使得获取文本提取模型的过程趋于自动化，由于通过模型获取训练文本集合的效率远高于人工标注的效率，因此采用本发明的获取方法可以大大减少人力成本和时间成本。

技术领域

本发明涉及机器学习技术领域，特别涉及一种获取文本提取模型的方法及装置。

背景技术

机器学习技术是指计算机通过归纳文本或图片等数据改善性能的技术，广泛地应用于数据挖掘、计算机视觉、自然语言处理和机器人等方面。例如，为使聊天机器人能够理解自然语言的意义，从而与用户之间进行交互，通常利用机器学习技术获取文本提取模型，并将文本提取模型应用于聊天机器人，使得聊天机器人从与用户的语料中提取出表达用户需求的文本，并对应该文本进行应答。

一般地，在获取文本提取模型时，需要获取大量语料，并人工地从每个语料中标注出表达用户需求的文本，将大量语料和对应标注出的文本作为训练文本集合，进而对训练文本集合进行训练，从而基于标注出的文本在语料中的上下文等特征得到文本提取模型。其中，人工标注出的文本一般与聊天机器人所提供的服务的相关，例如，聊天机器人可提供票务服务，某个语料为“我要购买火车票”，则人工标注的文本为“火车票”。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

训练文本集合完全由人工标注的方式得到，由于获取文本提取模型所需的语料数据量庞大、人工标注的效率低，导致文本提取模型的训练过程会消耗大量人力成本和时间成本。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种获取文本提取模型的方法及装置。所述技术方案如下：

一方面，提供了一种获取文本提取模型的方法，所述方法包括：

获取第一文本提取模型，所述第一文本提取模型根据人工标注的第一训练文本集合得到；

如果所述第一文本提取模型的提取准确度低于预设阈值，获取第二训练文本集合，所述第二训练文本集合包括多个第一训练语料和通过所述第一文本提取模型从所述多个第一训练语料中提取的多个第一目标文本；

根据所述第一训练文本集合和所述第二训练文本集合，获取第二文本提取模型。

另一方面，提供了一种获取文本提取模型的装置，所述装置包括：

模型获取模块，用于获取第一文本提取模型，所述第一文本提取模型根据人工标注的第一训练文本集合得到；

训练文本集合获取模块，用于如果所述第一文本提取模型的提取准确度低于预设阈值，获取第二训练文本集合，所述第二训练文本集合包括多个第一训练语料和通过所述第一文本提取模型从所述多个第一训练语料中提取的多个第一目标文本；

所述模型获取模块，用于根据所述第一训练文本集合和所述第二训练文本集合，获取第二文本提取模型。

本发明实施例通过获取第一文本提取模型，在第一文本提取模型的提取准确度低于预设阈值时，获取第二训练文本集合，该第二训练文本集合包括多个第一训练语料和通过第一文本提取模型从多个第一训练语料中提取的多个第一目标文本，从而通过已获取的第一文本提取模型得到第二训练文本集合，而无需人工标注，进一步地，根据第一训练文本集合和第二训练文本集合，获取第二文本提取模型，使得获取文本提取模型的过程趋于自动化，由于通过模型获取训练文本集合的效率远高于人工标注的效率，因此采用本发明的获取方法可以大大减少人力成本和时间成本。