[发明专利]用于答复问题的模型训练方法、装置、设备及存储介质

说明书

本发明公开了一种用于答复问题的模型训练方法、装置、设备及存储介质，应用于深度学习技术领域，用于解决用户咨询问题的答复率低下的问题。本方法包括：检测负面评价信息；若检测到，则获取负面评价信息所对应的评价问题；对各个评价问题聚类，聚类后得到各个问题集；确定各个问题集的向量中心；针对每个问题集，分别计算问题集的向量中心与各个预设问题组的向量中心的距离；针对每个问题集，若最小距离小于预设距离阈值，则将问题集合并至最小距离对应的预设问题组；针对每个问题集，若最小距离大于或等于预设距离阈值，则将问题集确定为新的预设问题组；采用更新后的各个预设问题组重新训练该目标深度学习模型，得到训练后的目标深度学习模型。

技术领域

本发明涉及深度学习技术领域，尤其涉及用于答复问题的模型训练方法、装置、设备及存储介质。

背景技术

目前，智能机器人的应用已经越来越广泛，其中，问答型机器人主要服务于医院、公司的前台、咨询台等地方，以供用户咨询。比如，现有很多大型医院在门诊大厅位置设置有问答型机器人，就诊人员可以在机器人前方语音输入自己的问题，机器人通过与后台服务器的通信搜索出问题的答案并提供给就诊人员。

然而，对于后台服务器来说，由于用户咨询的问题往往是多种多样的，且问题的种类和数量会随着时间的推移而增多，这就导致了后台服务器搜索的问题答案随着时间的推移会越来越不准确。

因此，寻找一种能够持续提高问题答复率的方法成为本领域技术人员亟需解决的问题。

发明内容

本发明实施例提供一种用于答复问题的模型训练方法、装置、计算机设备及存储介质，以解决用户咨询问题的答复率低下的问题。

一种用于答复问题的模型训练方法，包括：

每当在通过目标深度学习模型针对用户提出的问题反馈答案后，检测所述用户是否提交了关于答案的负面评价信息，所述目标深度学习模型由各个预设问题组作为训练数据预先训练得到；

若检测到所述用户提交了关于答案的负面评价信息，则获取所述负面评价信息所对应的评价问题；

当获取到的各个评价问题的数量达到预设第一数量阈值时，对所述各个评价问题进行无监督文本聚类，直到满足预设的条件，聚类后得到各个问题集，每个问题集包括一个以上的评价问题；

分别确定所述各个问题集的向量中心；

针对每个问题集，分别计算所述问题集的向量中心与各个所述预设问题组的向量中心的距离；

针对每个问题集，若计算得到的最小距离小于预设距离阈值，则将所述问题集合并至所述最小距离对应的预设问题组；

针对每个问题集，若计算得到的最小距离大于或等于预设距离阈值，则将所述问题集确定为新的预设问题组；

采用更新后的所述各个预设问题组重新对所述目标深度学习模型进行训练，得到训练后的目标深度学习模型。

一种用于答复问题的模型训练装置，包括：

负面评价检测模块，用于每当在通过目标深度学习模型针对用户提出的问题反馈答案后，检测所述用户是否提交了关于答案的负面评价信息，所述目标深度学习模型由各个预设问题组作为训练数据预先训练得到；

评价问题获取模块，用于若检测到所述用户提交了关于答案的负面评价信息，则获取所述负面评价信息所对应的评价问题；

问题聚类模块，用于当获取到的各个评价问题的数量达到预设第一数量阈值时，对所述各个评价问题进行无监督文本聚类，直到满足预设的条件，聚类后得到各个问题集，每个问题集包括一个以上的评价问题；

向量中心确定模块，用于分别确定所述各个问题集的向量中心；