[发明专利]一种模型参数确定方法、装置、设备及存储介质

说明书

本申请实施例公开了一种模型参数确定方法、装置、设备及存储介质，包括：终端设备获取对话应答模型的个性化模型参数以及用于训练该对话应答模型的训练样本，该训练样本为目标用户与其他用户的训练对话；终端设备向服务器发送该个性化模型参数和训练样本的样本数量，以使得服务器根据该个性化模型参数和样本数量得到综合模型参数，这样，终端设备根据综合模型参数和个性化模型参数得到对话应答模型的目标模型参数。由此可见，最终训练得到的对话应答模型所生成的对话响应能够符合用户个性化的对话特点；同时，综合模型参数增加了每个对话应答模型的训练样本的数据量，使得对话应答模型所生成的对话响应更加准确。

技术领域

本申请涉及计算机领域，尤其涉及一种模型参数确定方法、装置、设备及存储介质。

背景技术

智能对话系统，又可以被称为智能聊天系统、对话/聊天机器人，可以用户文字或者语音输入的聊天内容，自动给出和人类相似的对话相应的系统。目前，智能对象系统，是自然语言处理的核心研究方向之一，也是较为热门的人工智能研发与产品方向。

智能对话系统，通常包括语聊类以及执行类。其中，语聊类，是指重点生成自然语言应答，以进行对话响应；执行类，是指重点在于根据对话内容执行信息查询、设备控制以及物品购买等操作，并附带产生一定的对话响应。

对于语聊类的智能对话系统，目前尚在研究完善阶段。大多数语聊类的智能对话系统，通常仅能做到普适性应答，但是无法产生符合用户特点的个性化对话响应。

发明内容

本申请实施例提供了一种模型参数确定方法、装置、设备及存储介质，以产生符合用户特点的个性化对话响应，提高用户的对话体验。

第一方面，本申请实施例提供了一种模型参数确定方法，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；

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。

在一些可能的实施方式中，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包括：

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对应的样本数量区间；

根据所述样本数量区间与个性化模型参数的权重之间的映射关系，确定所述每个终端设备对应的个性化模型参数的权重。

在一些可能的实施方式中，所述样本数量与所述个性化模型参数的权重呈正相关关系。

第二方面，本申请实施例还提供了一种模型参数确定方法，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；