[发明专利]一种文本信息预测模型的训练方法、装置及设备在审
| 申请号： | 201811591243.1 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN110059152A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 梁山雪 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06F16/31 | 分类号： | G06F16/31;G06F16/332;G06N3/04;G06N3/08;G06N5/02 |
| 代理公司： | 北京博思佳知识产权代理有限公司 11415 | 代理人： | 林祥 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了一种文本信息预测模型的训练方法、装置及设备。本说明书实施例所提供的方案，使用机器阅读理解技术，基于文本内容和答案本身的共同特征进行模型训练，得到目标模型。使用该模型时，只需输入问题文本和文本内容，即可从文本内容中预测得到该问题的答案。 | ||
| 搜索关键词： | 文本内容 装置及设备 文本信息 预测模型 答案 模型训练 目标模型 使用机器 问题文本 阅读 预测 | ||
【主权项】：
1.一种文本信息预测模型的训练方法，包括：获取训练样本集合，每条训练样本中包括文本内容、问题文本和真实答案标记序列，所述文本内容中包含对问题和答案相关内容的每个字符的标记；针对任一被选取的训练样本，根据被选取的训练样本中的文本内容，生成文本全文表征向量，以及，根据被选取的训练样本中的问题文本，生成问题表征向量；根据所述文本全文表征向量和问题表征向量生成合并向量，作为被选取的训练样本的特征值，所述真实答案标记序列作为被选取的训练样本的标签值，采用有监督学习算法对训练样本集合进行训练，得到目标预测模型；所述目标预测模型以根据文本全文表征向量和问题表征向量生成的合并向量作为输入值，以预测答案标记序列作为输出值，预测答案标记序列中每个标记对应一个字符。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811591243.1/，转载请声明来源钻瓜专利网。
