[发明专利]训练样本的生成方法、装置、电子设备和存储介质

说明书

本公开公开了一种训练样本的生成方法、装置、电子设备和存储介质，尤其涉及深度学习、知识图谱、自然语言处理等人工智能技术领域。其中，具体实现方案为：获取初始样本集，其中，所述初始样本集中包括多个样本及每个样本中各个分词对应的领域标签；将每个样本中各个分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板；根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组；根据每个模板组中的每个模板对应的样本数量，确定每个所述模板组对应的样本数量；从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集。由此，尽量保证了抽取的训练样本中的样本类型的全面性和均衡，从而为提高模型的可靠性提供了条件。

技术领域

本公开涉及数据处理技术领域，具体涉及深度学习、知识图谱、自然语言处理等人工智能技术领域，尤其涉及一种训练样本的生成方法、装置、电子设备和存储介质。

背景技术

随着计算机技术的蓬勃发展，人工智能技术也得到了迅速发展，医药、金融、教育等各方面都离不开人工智能技术，自然语言处理技术及深度学习技术等也获得了越来越广泛的运用。模型训练作为深度学习、自然语言处理等领域中的重要一环，如何保证训练样本集的全面和均衡，显得至关重要。

发明内容

本公开提供了一种训练样本的生成方法、装置、电子设备和存储介质。

本公开一方面，提供了一种训练样本的生成方法，包括：

获取初始样本集，其中，所述初始样本集中包括多个样本及每个样本中各个分词对应的领域标签；

将每个样本中各个分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板；

根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组；

根据每个模板组中的每个模板对应的样本数量，确定每个所述模板组对应的样本数量；

从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集。

本公开的另一方面，提供了一种训练样本的生成装置，包括：

获取模块，用于获取初始样本集，其中，所述初始样本集中包括多个样本及每个样本中各个分词对应的领域标签；

第一生成模块，用于将每个样本中各个分词，依次用对应的领域标签替换，以生成每个所述样本对应的模板；

第二生成模块，用于根据每个模板中包含的领域标签，将多个所述模板进行分类，以生成多个模板组；

确定模块，用于根据每个模板组中的每个模板对应的样本数量，确定每个所述模板组对应的样本数量；

第三生成模块，用于从每个所述模板组对应的样本中抽取训练样本，以生成训练样本集。

本公开的另一方面，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上述一方面实施例所述的训练样本的生成方法。

本公开的另一方面，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，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的训练样本的生成方法。

本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的训练样本的生成方法。

本公开提供的训练样本的生成方法、装置、电子设备和存储介质，存在如下有益效果：