[发明专利]一种问题文本分析模型的训练方法及装置

说明书

本申请提供一种问题文本分析模型的训练方法及装置，其中，所述问题文本分析模型的训练方法包括：获取训练样本和所述训练样本对应的样本标签，所述训练样本包括问题文本，所述样本标签包括所述问题文本对应的意图标签、关系标签和实体标签；将所述问题文本输入至问题文本分析模型进行处理，提取所述问题文本的第一特征向量和第二特征向量；根据所述第一特征向量确定所述问题文本的预测意图和预测关系，根据所述第二特征向量确定所述问题文本的预测实体；根据所述预测意图、所述预测关系和所述预测实体与所述意图标签、所述关系标签和所述实体标签计算损失值；根据所述损失值对所述问题文本分析模型进行迭代训练，直至达到训练停止条件。

技术领域

本申请涉及计算机技术领域，特别涉及一种问题文本分析模型的训练方法及装置、查询语句生成方法及装置、计算设备和计算机可读存储介质。

背景技术

知识库问答(knowledge base question answering，KB-QA)即给定自然语言问题，通过对问题进行语义理解和解析，进而利用知识库进行查询、推理得出答案。

传统的KB-QA方法可以归纳为语义解析，信息抽取和向量建模。现有的查询方案先通过查询知识库提取查询路径，然后使用特征做相似度匹配，费时费力，现有的一些人工智能模型方案遵循命名实体识别，实体链接，关系识别，答案检索的流程进行问答，使用多个模型分步骤进行，较为繁琐，消耗计算内存资源，查询效率也不够高。

因此，如何解决上述问题，就成为技术人员亟待解决的问题。

发明内容

有鉴于此，本申请实施例提供了一种问题文本分析模型的训练方法及装置、查询语句生成方法及装置、计算设备和计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本申请实施例的第一方面，提供了一种问题文本分析模型的训练方法，包括：

获取训练样本和所述训练样本对应的样本标签，其中，所述训练样本包括问题文本，所述样本标签包括所述问题文本对应的意图标签、关系标签和实体标签；

将所述问题文本输入至问题文本分析模型进行处理，提取所述问题文本的第一特征向量和第二特征向量；

根据所述第一特征向量确定所述问题文本的预测意图和预测关系，根据所述第二特征向量确定所述问题文本的预测实体；

根据所述预测意图、所述预测关系和所述预测实体与所述意图标签、所述关系标签和所述实体标签计算损失值；

根据所述损失值对所述问题文本分析模型进行迭代训练，直至达到训练停止条件。

根据本申请实施例的第二方面，提供了一种查询语句生成方法，包括：

获取问题文本；

将所述问题文本输入至问题文本分析模型进行处理，获得所述问题文本对应的目标意图、目标关系和目标实体，其中，所述问题文本分析模型是通过上述任意一项所述的训练方法训练得到的；

将所述目标意图、所述目标关系和所述目标实体添加至预先配置的查询语句模板中的相应位置，生成目标查询语句。

根据本申请实施例的第三方面，提供了一种问题文本分析模型的训练装置，包括：

获取模块，被配置为获取训练样本和所述训练样本对应的样本标签，其中，所述训练样本包括问题文本，所述样本标签包括所述问题文本对应的意图标签、关系标签和实体标签；

提取模块，被配置为将所述问题文本输入至问题文本分析模型进行处理，提取所述问题文本的第一特征向量和第二特征向量；

预测识别模块，被配置为根据所述第一特征向量确定所述问题文本的预测意图和预测关系，根据所述第二特征向量确定所述问题文本的预测实体；