[发明专利]更新用于人工智能的训练示例

说明书

公开了用于将先前注释的训练示例调整为用于训练机器学习模型的经更新的训练示例的技术。一个示例包括一种计算机程序，其识别查找表达、替换表达和过滤约束，其中，所述过滤约束将先前注释的训练示例的子集与先前注释的训练示例中的其他训练示例区分开来。基于所述过滤约束，由所述计算机程序在所述先前注释的训练示例中识别出的所述先前注释的训练示例的子集内识别查找表达的实例。由计算机程序利用替换表达的实例替换在所述先前注释的训练示例的子集内识别出的查找表达的实例，以获得训练示例的经更新的子集。由计算机程序输出训练示例的经更新的子集，其可以被用于训练所述机器学习模型。

背景技术

可以使用训练示例来训练计算机，所述训练示例链接响应于特定输入而执行的动作。作为一个示例，可以训练利用机器学习或者其他人工智能技术的会话式计算系统以响应各种人类话语。例如，会话式计算系统可以被训练通过以下操作来响应用户提出问题“明天天气怎么样？”：查询网络可访问的天气服务以获取明天的天气报告，以及基于包括针对所述用户的文本概要的天气报告来输出响应话语，所述文本概要包括“明天多云，最高气温74度”。对这样的会话式计算系统的训练会是耗时并且难以实现的。例如，这样的训练可能依赖于由人类注释者标记的数千或者更多的训练示例。一些训练系统依赖于高技能的人类注释者，所述人类注释者能够利用具有定义格式和语法的注释来标记训练数据。

发明内容

提供本发明内容从而以简化形式介绍对概念的选择，这些概念将在下文的详细描述中进一步描述。本发明内容并非旨在识别所要求保护的主题的关键特征或基本特征，也并不旨在用于限制所要求保护的主题的范围。此外，所要求保护的主题并不限于解决在本公开的任何部分中所指出的任何或所有缺点的实现方式。

公开了用于将先前注释的训练示例调整为用于训练机器学习模型的经更新的训练示例的技术。一个示例包括识别查找表达(expression)、替换表达和过滤约束的计算机程序，其中，所述过滤约束将先前注释的训练示例的子集与所述先前注释的训练示例中的其他训练示例区分开来。所述查找表达的实例是由所述计算机程序在所述先前注释的训练示例的所述子集内识别的，所述先前注释的训练示例是基于所述过滤约束在所述先前注释的训练示例中识别出的。在所述先前注释的训练示例的所述子集内识别出的所述查找表达的实例被所述计算机程序利用所述替换表达的实例替换，以获得训练示例的经更新的子集。所述训练示例的经更新的子集是由所述计算机程序输出的，其可以被用于训练机器学习模型。

附图说明

图1示出了用于训练会话式计算系统的机器学习模型的示例性计算环境的示意图。

图2示出了由图1的训练程序的迁移模块执行的示例性迁移的示意图，用于将先前注释的训练示例调整为经更新的训练示例。

图3示出了用于将先前注释的训练示例调整为用于训练机器学习模型的经更新的训练示例的示例性方法的流程图。

图4示出了图1的训练数据的示例性数据结构的示意图。

图5示出了图1的训练程序的示例性迁移编辑器接口的示意图。

图6示出了图1的训练程序的示例性迁移预览接口的示意图。

图7示出了示例性计算系统的示意图。

具体实施方式

可以利用包括许多人类注释的训练示例的训练数据来训练计算机，诸如人工智能系统。每个注释的训练示例可以包括针对计算机的示例性输入(例如，人类话语)以及计算机对所述输入的期望的注释响应(例如，由人类注释者标记的特定数据流程序的运行)，其一起形成输入/响应对。一些训练示例可以包括多个输入/响应对的序列，诸如在示例性用户与会话式计算系统之间的示例性训练对话的情况下。随着机器学习模型的复杂性和能力的提高，可以设想一组训练数据可能包括数百万或者更多的人类注释的训练示例，其中的每个训练示例都遵循严格的格式和/或语法。