[发明专利]用于训练模型的方法和装置

说明书

本申请公开了用于训练模型的方法和装置，涉及深度学习、知识图谱技术领域。该方法包括：获取样本数据集，根据样本文本的语义，获取增量样本文本，并根据样本文本的标签，确定增量样本文本的标签；采用增量样本文本以及增量样本文本的标签，构建增量样本数据集；采用样本数据集以及增量样本数据集，训练初始信息确定模型，并得到目标信息确定模型。采用该方法可以基于训练完成的目标信息确定模型确定输入文本中的文本信息，提高确定文本信息的效率。

技术领域

本公开涉及计算机技术领域，具体涉及深度学习、知识图谱技术领域，尤其涉及用于训练模型的方法和装置。

背景技术

对设备的故障现象信息进行准确的描述，有利于准确的确定出发生故障的原因，以及确定出故障的解决方案。现有的确定设备的故障现象信息的方法是：由运维人员对故障进行初步描述后、再由技术专家根据运维人员的初步描述确定出设备的故障现象信息。

现有的确定设备的故障现象信息的方法存在效率低的问题。

发明内容

本公开提供了一种用于训练模型的方法、装置、电子设备以及计算机可读存储介质。

根据第一方面，提供了一种用于训练模型的方法，该方法包括：获取样本数据集，其中，样本数据集中包括样本文本、以及样本文本的标签；根据样本文本的语义，获取增量样本文本，并根据样本文本的标签，确定增量样本文本的标签；采用增量样本文本以及增量样本文本的标签，构建增量样本数据集；采用样本数据集以及增量样本数据集，训练初始信息确定模型，并得到目标信息确定模型。

根据第二方面，提供了一种用于确定设备故障信息的方法，该方法包括：获取针对设备故障的初始描述信息；采用初始描述信息以及目标信息确定模型，确定设备的故障信息，其中，目标信息确定模型采用如第一方面提供的用于训练模型的方法训练得到。

根据第三方面，提供了一种用于训练模型的装置，该装置包括：第一获取单元，被配置为获取样本数据集，其中，样本数据集中包括样本文本、以及样本文本的标签；确定单元，被配置为根据样本文本的语义，获取增量样本文本，并根据样本文本的标签，确定增量样本文本的标签；构建单元，被配置为采用增量样本文本以及增量样本文本的标签，构建增量样本数据集；训练单元，被配置为采用样本数据集以及增量样本数据集，训练初始信息确定模型，并得到目标信息确定模型。

根据第四方面，提供了一种用于确定设备故障信息的装置，该装置包括：第二获取单元，被配置为获取针对设备故障的初始描述信息；预测单元，被配置为采用初始描述信息以及目标信息确定模型，确定设备的故障信息，其中，目标信息确定模型采用如第三方面提供的用于训练模型的装置训练得到。

根据第五方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器：存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的用于训练模型的方法，或者实现如第二方面提供的用于确定设备故障信息的方法。

根据第六方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现第一方面提供的用于训练模型的方法，或者实现如第二方面提供的用于确定设备故障信息的方法。

本公开提供的用于训练模型的方法、装置，获取样本数据集，根据样本文本的语义，获取增量样本文本，并根据样本文本的标签，确定增量样本文本的标签；采用增量样本文本以及增量样本文本的标签，构建增量样本数据集；采用样本数据集以及增量样本数据集，训练初始信息确定模型，并得到目标信息确定模型，可以基于训练完成的目标信息确定模型确定输入文本中的文本信息，提高确定文本信息的效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明