[发明专利]三元组样本的生成方法、装置、电子设备及存储介质

说明书

本申请公开了一种三元组样本的生成方法、装置、电子设备及存储介质，涉及基于人工智能的自然语言处理技术领域、以及深度学习技术领域。具体实现方案为：获取三元组样本中的段落文本；从段落文本中提取至少一个答案片段；基于段落文本和各答案片段，分别采用预先训练的问题生成模型生成相应的问题，以得到三元组样本。本申请中，由于预先训练的问题生成模型基于预训练的语义表示模型训练得到，该问题生成模型的准确性非常好，因而，采用该问题生成模型生成的(Q,P,A)三元组样本的准确性非常高。

技术领域

本申请涉及计算机技术领域，尤其涉及基于人工智能的自然语言处理技术领域、以及深度学习技术领域，具体涉及一种三元组样本的生成方法、装置、电子设备及存储介质。

背景技术

在自然语言处理(Natural Language Processing；NLP)中，问题生成技术指给定一个自然文本段落P，在段落P中找到某个可提问的答案片段A，并针对答案片段A进行提问，从而生成问题Q。利用问题生成技术，可以从海量的自然文本当中，以生成的方式得到大规模的(Q,P,A)三元组。这些三元组可为段落排序、阅读理解模型的训练提供大量的训练样本，节约人工标注样本的成本；同时也可以按照键值对(key-value；kv)检索的方式，支持搜索、问答系统。

现有技术中的(Q,P,A)三元组的样本获取方法，主要利用循环神经网络(Recurrent Neural Network；RNN)、长短期记忆(Long Short-Term Memory；LSTM)网络或者Transformer等传统sequence-to-sequence模型结构，直接在目标领域的数据集进行训练。然后采用训练好的模型从提供的段落P和答案片段A，生成对应的生成问题Q。

但是，目标领域的数据集的数据量较少，导致训练的模型的效果不理想，进而采用该训练的模型去生成对应的生成问题Q时准确性较差，导致现有方式生成的三元组(Q,P,A)样本的准确性较差。

发明内容

为了解决上述问题，本申请提供了一种三元组样本的生成方法、装置、电子设备及存储介质。

根据本申请的一方面，提供了一种三元组样本的生成方法，其中所述方法包括：

获取三元组样本中的段落文本；

从所述段落文本中提取至少一个答案片段；

基于所述段落文本和各所述答案片段，分别采用预先训练的问题生成模型生成相应的问题，以得到所述三元组样本；所述预先训练的问题生成模型基于预训练的语义表示模型训练得到。

根据本申请的另一方面，提供了一种三元组样本的生成装置，其中所述装置包括：

获取模块，用于获取三元组样本中的段落文本；

答案提取模块，用于从所述段落文本中提取至少一个答案片段；

问题生成模块，用于基于所述段落文本和各所述答案片段，分别采用预先训练的问题生成模型生成相应的问题，以得到所述三元组样本；所述预先训练的问题生成模型基于预训练的语义表示模型训练得到。

根据本申请的再一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。

根据本申请的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方法。