[发明专利]语句生成模型更新方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于人工智能的语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取由对象标识触发的查询语句，通过语句生成模型生成与查询语句关联的多个候选语句；将通过对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本；对正样本和负样本分别进行特征提取，得到正样本对应的语义表示和负样本对应的语义表示；基于正样本的语义表示和负样本的语义表示，构建正样本和负样本之间的对比损失函数；通过对比损失函数对语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。采用本方法能够提高语句生成模型生成与查询语句关联的泛化结果的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机技术的发展，出现了智能问答技术，通过智能问答技术能够自动回复用户的查询请求，并推荐与用户的查询请求相关的其他请求供用户参考。例如，智能问答系统回复用户提出的问题，并提供多个类似问题给用户，以便用户自主选择是否进行进一步了解。

传统的智能问答技术中，一般是采用已经标注好的平行数据集对泛化模型进行训练，以通过训练好的泛化模型生成与查询请求对应的多个泛化结果。然而，用于训练模型的平行数据集中正样本和负样本之间的关联性较差，导致模型生成的泛化结果不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高模型泛化结果的准确性的语句生成模型更新方法、装置、计算机设备、存储介质和计算机程序产品。

一种语句生成模型更新方法，所述方法包括：

获取由对象标识触发的查询语句，通过语句生成模型生成与所述查询语句关联的多个候选语句；

将通过所述对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本；

对所述正样本和所述负样本分别进行特征提取，得到所述正样本对应的语义表示和所述负样本对应的语义表示；

基于所述正样本的语义表示和所述负样本的语义表示，构建所述正样本和所述负样本之间的对比损失函数；

通过所述对比损失函数对所述语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。

一种语句生成模型更新装置，所述装置包括：

生成模块，用于获取由对象标识触发的查询语句，通过语句生成模型生成与所述查询语句关联的多个候选语句；

选中模块，用于将通过所述对象标识选中的候选语句作为正样本，并将未被选中的候选语句作为负样本；

提取模块，用于对所述正样本和所述负样本分别进行特征提取，得到所述正样本对应的语义表示和所述负样本对应的语义表示；

构建模块，用于基于所述正样本的语义表示和所述负样本的语义表示，构建所述正样本和所述负样本之间的对比损失函数；

训练模块，用于通过所述对比损失函数对所述语句生成模型进行更新训练，直至达到停止条件时停止，得到更新完成的语句生成模型。

在一个实施例中，所述生成模块，还用于响应于对象标识在问答界面触发的添加操作，获取所述对象标识添加的查询语句并展示；响应于由所述对象标识触发的对所述查询语句的编辑操作，调用语句生成模型生成与所述查询语句关联的多个候选语句。