[发明专利]选择题生成模型训练方法、选择题生成方法、设备及介质

说明书

本发明公开一种选择题生成模型训练方法、选择题生成方法、设备及介质。该方法包括：获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；根据标准题目信息对训练文档进行关键段落提取，获取与标准题目信息相对应的关键段落；获取FinBert‑UniLM模型，配置FinBert‑UniLM模型对应的模型参数；将关键段落和标准题目信息输入到FinBert‑UniLM模型进行模型训练，获取目标应用领域对应的题目生成模型；将关键段落、标准题目信息和标准干扰选项输入到FinBert‑UniLM模型进行模型训练，获取与题目生成模型相对应的干扰项生成模型。该方法可保障选择题生成模型生成的选择题具有语言组织方式多样性、干扰选项与题干的顺畅性、选项长度满足业务需求以及知识点覆盖的全面性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种选择题生成模型训练方法、选择题生成方法、设备及介质。

背景技术

选择题生成模型是用于实现自动生成选择题的模型，可利用选择题生成模型对各种培训过程中的培训文档或者其他文档中特定片段进行处理，以生成该特定片段对应的选择题，以利用该选择题实现对特定片段的知识的考核。一般来说，选择题包括题干、正确选项和干扰选项这三个部分，根据正确选项和干扰选项的数量，将选择题划分为单项选择题、多项选择题和不定项选择题这几种类型。

现有选择题生成模型一般是从文档中选择需要出题的句子，在句子上挖空，形成题干和正确选项，再根据各类词典生成与正确选项相对应的干扰选项，以获取生成的选择题，这种方式存在如下问题：其一是，采用挖空填词方式生成的选择题，其语言组织方式与文档表述一致，在线上考核或者其他情况下，给考生作弊提供便利。其二是，采用各类词典生成的干扰选项与题干拼接起来形成的语句较为生硬，使得考生可通过两者衔接的流畅性，快速排队干扰选项。其三是，在特定应用场景，如银行内部考核的培训考题中，部分选项题涉及到具体业务操作细则，使得选择题的选项较长，使得挖空填词方式生成的选项长度，无法满足特定应用场景的长度需求。其四是，采用挖空填词方式生成的选择题只能覆盖一个句子的信息，使得考题的覆盖知识面较窄，不利于实现对文档的全面考核。

发明内容

本发明实施例提供一种选择题生成模型训练方法、选择题生成方法、设备及介质，以解决采用挖空填词方式生成的选择题存在的问题。

一种选择题生成模型训练方法，包括：

获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；

根据所述标准题目信息对所述训练文档进行关键段落提取，获取与所述标准题目信息相对应的关键段落；

获取FinBert-UniLM模型，配置所述FinBert-UniLM模型对应的模型参数；

将所述关键段落和所述标准题目信息输入到所述FinBert-UniLM模型进行模型训练，获取所述目标应用领域对应的题目生成模型；

将所述关键段落、所述标准题目信息和所述标准干扰选项输入到所述FinBert-UniLM模型进行模型训练，获取与所述题目生成模型相对应的干扰项生成模型。

一种选择题生成模型训练装置，包括：

训练数据获取模块，用于获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；

关键段落获取模块，用于根据所述标准题目信息对所述训练文档进行关键段落提取，获取与所述标准题目信息相对应的关键段落；

训练模型获取模块，用于获取FinBert-UniLM模型，配置所述FinBert-UniLM模型对应的模型参数；

题目生成模型获取模块，用于将所述关键段落和所述标准题目信息输入到所述FinBert-UniLM模型进行模型训练，获取所述目标应用领域对应的题目生成模型；