[发明专利]答非所问识别模型的训练方法、装置、设备和存储介质

说明书

本申请涉及人工智能领域，具体公开了一种答非所问识别模型的训练方法、装置、设备和存储介质，其中，训练方法包括：获取训练样本，所述训练样本包括问句和答句；对所述训练样本中的问句进行语义向量编码，得到所述训练样本的第一语义向量；对所述训练样本中的答句进行语义向量编码，得到所述训练样本的第二语义向量；获取所述第一语义向量与所述第二语义向量的差，得到第三语义向量；将所述训练样本的第一语义向量、第二语义向量和第三语义向量进行拼接，得到所述训练样本的第四语义向量；将所述训练样本的第四语义向量输入初始识别模型中进行训练，得到答非所问识别模型。

技术领域

本发明涉及人工智能技术领域，具体涉及一种答非所问识别模型的训练方法、装置、设备和存储介质。

背景技术

目前，金融欺诈风险不断扩大，反欺诈形势严峻。对于新型的欺诈手段，传统反欺诈手段维度单一、效率低下、范围受限，难以应对。对此，通过对历史数据的分析，发现客户是否正确回答坐席的问题，以及正确回答的占比，和该客户是否是一个风险欺诈用户的可能性息息相关。因此，可以通过分析客户与坐席的对话，初步预测该客户是否是一个风险欺诈用户的可能性。

但是，目前的答非所问分析大多是基于实体和意图的匹配，即，分别确定问句和答句的实体特征和意图特征，继而，通过分析问句和答句的实体特征和意图特征的匹配度，确定问句和答句是否属于答非所问。这种分析方式只运用了句子的实体特征和意图特征，识别的准确率并不高。

发明内容

为了解决现有技术中存在的上述问题，本申请实施方式提供了一种答非所问识别模型的训练方法、装置、电子设备和存储介质，能够极大的提升答非所问识别的准确率。

第一方面，本申请的实施方式提供了一种答非所问识别模型的训练方法，包括：

获取训练样本，训练样本包括问句和答句；

对训练样本中的问句进行语义向量编码，得到训练样本的第一语义向量；

对训练样本中的答句进行语义向量编码，得到训练样本的第二语义向量；

获取第一语义向量与第二语义向量的差，得到第三语义向量；

将训练样本的第一语义向量、第二语义向量和第三语义向量进行拼接，得到训练样本的第四语义向量；

将训练样本的第四语义向量输入初始识别模型中进行训练，得到答非所问识别模型。

第二方面，本申请的实施方式提供了一种答非所问识别模型的训练装置，包括：

样本获取模块，用于获取训练样本，训练样本包括问句和答句；

样本处理模块，用于对训练样本中的问句进行语义向量编码，得到训练样本的第一语义向量，对训练样本中的答句进行语义向量编码，得到训练样本的第二语义向量，获取第一语义向量与第二语义向量的差，得到第三语义向量，以及将训练样本的第一语义向量、第二语义向量和第三语义向量进行拼接，得到训练样本的第四语义向量；

训练模块，用于将训练样本的第四语义向量输入初始识别模型中进行训练，得到答非所问识别模型。

第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。

第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。

第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。

实施本申请实施方式，具有如下有益效果：