[发明专利]选择题生成模型训练方法、选择题生成方法、设备及介质

权利要求书

1.一种选择题生成模型训练方法，其特征在于，包括：

获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；

根据所述标准题目信息对所述训练文档进行关键段落提取，获取与所述标准题目信息相对应的关键段落；

获取FinBert-UniLM模型，配置所述FinBert-UniLM模型对应的模型参数，所述FinBert-UniLM是在FinBert的注意力层采用UniLM，将FinBert中的Encoder结构转换为Seq2seq结构的模型，所述FinBert是采用目标应用领域相关的海量训练语料对Bert的模型参数进行预训练且采用LAMB优化器对Adam权重衰减优化器进行替代的Bert类模型；

将所述关键段落和所述标准题目信息输入到所述FinBert-UniLM模型进行模型训练，获取所述目标应用领域对应的题目生成模型；

将所述关键段落、所述标准题目信息和所述标准干扰选项输入到所述FinBert-UniLM模型进行模型训练，获取与所述题目生成模型相对应的干扰项生成模型。

2.如权利要求1所述的选择题生成模型训练方法，其特征在于，所述根据所述标准题目信息对所述训练文档进行关键段落提取，获取与所述标准题目信息相对应的关键段落，包括：

采用预设分隔符对所述训练文档分句，获取所述训练文档对应的多个句子字符串；

根据每一所述句子字符串和所述标准题目信息，获取每一所述句子字符串对应的句子评分值；

依据至少一个所述句子字符串对应的句子评分值进行排序，获取句子排序结果；

根据所述句子排序结果，对满足段落拼接条件的所有句子字符串拼接，获取与所述标准题目信息相对应的关键段落。

3.如权利要求1所述的选择题生成模型训练方法，其特征在于，所述标准题目信息包括标准题干和标准正确选项；

所述将所述关键段落和所述标准题目信息输入到所述FinBert-UniLM模型进行模型训练，获取所述目标应用领域对应的题目生成模型，包括：

将所述关键段落输入到所述FinBert-UniLM模型的编码器进行编码，获取所述关键段落对应的段落语义表征；

将所述段落语义表征输入到所述FinBert-UniLM模型的解码器进行解码，获取候选题目信息，所述候选题目信息包括候选题干和候选正确选项；

根据所述标准题干和所述候选题干，确定题干损失值，并根据所述标准正确选项和所述候选正确选项，确定正确选项损失值；

根据所述题干损失值和所述正确选项损失值，获取题目信息损失值；

若所述题目信息损失值小于第一损失阈值，则获取所述目标应用领域对应的题目生成模型。

4.如权利要求1所述的选择题生成模型训练方法，其特征在于，所述将所述关键段落、所述标准题目信息和所述标准干扰选项输入到所述FinBert-UniLM模型进行模型训练，获取与所述题目生成模型相对应的干扰项生成模型，包括：

将所述标准题目信息、所述标准干扰选项和所述关键段落输入到所述FinBert-UniLM模型的编码器进行编码，获取综合语义表征；

将所述综合语义表征输入到所述FinBert-UniLM模型的解码器进行解码，获取候选干扰选项；

根据所述候选干扰选项和所述标准干扰选项，计算干扰选项损失值；

若所述干扰选项损失值小于第二损失阈值，则获取与所述题目生成模型相对应的干扰项生成模型。

5.一种选择题生成方法，其特征在于，包括：

获取目标应用领域对应的待处理文档；

对所述待处理文档进行分段，获取至少一个待处理段落；

获取所述目标应用领域对应的题目生成模型和干扰项生成模型，所述题目生成模型和干扰项生成模型为执行权利要求1-4任一项所述选择题生成模型训练方法获取到的模型；

将所述待处理段落输入到所述题目生成模型，获取目标题目信息，所述目标题目信息包括目标题干和目标正确选项；

将所述待处理段落和所述目标题目信息输入到所述干扰项生成模型，获取目标干扰选项；

采用选择题生成模板对所述目标题干、所述目标正确选项和所述目标干扰选项进行处理，获取目标选择题。