[发明专利]一种模型参数确定方法、装置、设备及存储介质

权利要求书

1.一种模型参数确定方法，其特征在于，所述方法应用于终端设备，所述方法包括：

获取对话应答模型的个性化模型参数以及用于训练所述对话应答模型的训练样本，所述训练样本为目标用户与其他用户的训练对话，所述训练对话包括上文训练语境和下文训练应答，所述对话应答模型用于根据实际对话中的上文实际语境为所述目标用户生成下文实际应答；

向服务器发送所述个性化模型参数和所述训练样本的样本数量，以使得所述服务器根据所述个性化模型参数和所述样本数量得到综合模型参数；所述训练样本的样本数量与所述个性化模型参数的权重呈正相关关系；

根据接收到的所述综合模型参数和所述个性化模型参数得到所述对话应答模型的目标模型参数。

2.根据权利要求1所述的方法，其特征在于，所述根据接收到的所述综合模型参数和所述个性化模型参数得到所述对话应答模型的目标模型参数，包括：

计算出所述综合模型参数与所述个性化模型参数之间的加权调和平均数，并将所述加权调和平均数作为所述对话应答模型的目标模型参数。

3.根据权利要求2所述的方法，其特征在于，所述上文训练语境包括图片、视频或语句中的任意一种或多种；所述根据获取的所述训练样本对所述对话应答模型进行训练包括：

将所述上文训练语境中的语句输入到语句向量识别模型中，得到与所述语句对应的语句向量；

将所述上文训练语境中的图片或视频输入到多媒体识别模型中，得到与所述图片或视频对应的多媒体向量；

根据所述图片、视频或语句在所述上文训练语境中的前后顺序及分别对应的语句向量和\或多媒体向量确定整体向量编码；

根据所述整体向量编码以及所述下文训练应答对所述对话应答模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述根据所述图片、视频或语句在所述上文训练语境中的前后顺序及分别对应的语句向量和\或多媒体向量确定整体向量编码，包括：

将所述语句向量与预设的初始状态编码输入至编码模型，得到所述语句向量与所述初始状态编码对应的第一内部状态编码；

将所述第一内部状态编码与所述多媒体向量输入至所述编码模型，得到所述第一内部状态编码与所述多媒体向量对应的第二内部状态编码，并将所述第二内部状态编码作为所述整体向量编码。

5.一种模型参数确定方法，其特征在于，所述方法应用于服务器，所述方法包括：

接收多个终端设备中每个终端设备分别发送的个性化模型参数和样本数量，所述个性化模型参数为所述每个终端设备对对话应答模型进行训练得到的模型参数，所述对话应答模型用于根据实际对话中的上文实际语境生成下文实际应答，所述终端设备采用的用于训练所述对话应答模型的训练样本为与所述终端设备对应的目标用户与其他用户的训练对话，所述训练对话包括上文训练语境和下文训练应答；

根据所述多个终端设备中每个终端设备对应的样本数量，确定所述每个终端设备对应的个性化模型参数的权重，以使所述每个终端设备对应的个性化模型参数的权重与所述每个终端设备对应的样本数量呈正相关关系；

根据所述每个终端设备对应的个性化模型参数的权重，确定综合模型参数；

向所述多个终端设备发送所述综合模型参数，以使得所述每个终端设备根据所述综合模型参数和个性化模型参数确定对应的对话应答模型的目标模型参数。

6.一种模型参数确定装置，其特征在于，所述装置应用于终端设备，所述装置包括：

获取模块，用于获取对话应答模型的个性化模型参数以及用于训练所述对话应答模型的训练样本，所述训练样本为目标用户与其他用户的训练对话，所述训练对话包括上文训练语境和下文训练应答，所述对话应答模型用于根据实际对话中的上文实际语境为所述目标用户生成下文实际应答；

发送模块，用于向服务器发送所述个性化模型参数和所述训练样本的样本数量，以使得所述服务器根据所述个性化模型参数和所述样本数量得到综合模型参数；所述训练样本的样本数量与所述个性化模型参数的权重呈正相关关系；

确定模块，用于根据接收到的所述综合模型参数和所述个性化模型参数得到所述对话应答模型的目标模型参数。