[发明专利]问题生成方法、装置、设备、计算机设备和存储介质

说明书

本申请涉及一种问题生成方法、装置、设备、计算机设备和存储介质。所述方法包括：通过获取句子中的词向量，将所述句子中的词向量输入问题生成模型，得到问题语句中的词向量；其中，所述问题生成模型用于根据所述句子中的词向量，确定概率表；并选取所述概率表中概率最大值对应的向量作为候选词向量，若所述候选词向量为异常向量，则将所述异常向量替换为非异常向量作为所述问题语句中的目标词向量。采用本方法不需要重新生成概率表，也不需要重新训练模型，可提高问题生成效率以及准确率。

技术领域

本申请涉及人工智能领域，特别是涉及一种问题生成方法、装置、设备、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，出现了采用人工神经网络实现问题生成的方法。其中，仅仅通过训练，让其学习特征，在学习后，给定某一输入值后能够得到最接近期望输出值的结果。

然而，目前的方法，存在效率低下或浪费资源等问题。

发明内容

基于此，有必要针对上述技术问题，提供一种问题生成方法、装置、设备、计算机设备和存储介质。

一种问题生成方法，所述方法包括：

获取句子中的词向量，将所述句子中的词向量输入问题生成模型，得到问题语句中的词向量；其中，所述问题生成模型用于根据所述句子中的词向量，确定概率表；并选取所述概率表中概率最大值对应的向量作为候选词向量，若所述候选词向量为异常向量，则将所述异常向量替换为非异常向量作为所述问题语句中的目标词向量。

在其中一个实施例中，所述获取初始语句中的词向量，将所述初始语句中的词向量输入问题生成模型，得到问题语句中的词向量包括：

将所述句子中的词向量依次输入所述问题生成模型；

当输入的所述句子中的词向量为结束标识向量时，则根据所述结束标识向量之前的词向量，依次生成所述问题语句中的词向量；

直至输出的所述问题语句中的词向量为结束标识向量。

在其中一个实施例中，所述将所述句子中的词向量依次输入所述问题生成模型；当输入的所述句子中的词向量为结束标识向量时，则根据所述结束标识向量之前的词向量，依次生成所述问题语句中的词向量包括：

获取所述句子中的第一个词向量；

将所述句子中的第一个词向量输入文本处理模型，得到所述句子的第一隐向量，其中，所述句子的第一隐向量包括第一个词向量的信息；

将所述句子的第一隐向量与所述句子中的第二个词向量同时输入所述文本处理模型，得到所述句子的第二隐向量，其中，所述句子的第二隐向量包括第一个词向量的信息和第二个词向量的信息；

将所述第二隐向量作为第一隐向量，将获取的所述第二词向量的下一个词向量作为所述第二词向量，重复执行将所述句子的第一隐向量与所述句子中的第二个词向量同时输入所述文本处理模型；

直至输入所述文本处理模型的下一个词向量为所述结束标识向量。

在其中一个实施例中，所述直至输出的所述问题语句中的词向量为结束标识向量之后包括：

将所述结束标识向量与所述依次生成所述问题语句中的词向量之前的所述句子的最后一隐向量同时输入所述文本处理模型，得到所述问题语句的第一隐向量；

对所述问题语句的第一隐向量进行映射处理，确定第一概率表；

选取所述第一概率表中概率最大值对应的向量作为第一候选词向量；

若所述第一候选词向量为异常向量，则选取所述第一概率表中概率次大值对应的向量作为所述问题语句的第一个词向量。