[发明专利]一种训练样本生成的方法、装置、计算机设备及存储介质

说明书

本申请公开了一种训练样本生成的方法、装置、计算机设备和存储介质，属于人工智能技术领域，本申请通过对初始训练样本和目标训练样本进行拼接，得到样本匹配对，将样本匹配对导入到第一处理模型，得到初始目标样本集，将目标训练样本和初始目标样本集导入到第二处理模型，获取目标训练样本和每一个初始目标样本的相似度，将与目标训练样本的相似度大于预设阈值的初始目标样本作为相似目标样本，将相似目标样本与初始训练样本进行组合，得到训练样本集。此外，本申请还涉及区块链技术，初始训练样本和目标训练样本可存储于区块链中。本申请通过第一处理模型生成初始目标样本，通过第二处理模型对初始目标样本进行筛选，提高生成训练样本的精度。

技术领域

本申请属于人工智能技术领域，具体涉及一种训练样本生成的方法、装置、计算机设备和存储介质。

背景技术

在人工智能领域，训练样本是极其重要的，训练样本的质量和数量对于一个模型的好坏有着决定性作用，对于深度模型而言，一般需要的训练样本的数量往往十分巨大，而在构造一个优秀的人工智能模型过程中，最耗费时间和人力物力的往往就是生成数量庞大的训练数据了。例如，在电销场景中，针对于电销语音模型的训练，目前开源的语料库极其稀少，导致要想获得大量的训练样本语料，就必须使用大量人力去标注数据，这种做法会浪费大量的时间和精力，而且对于电销场景，标注人员也需要具备一定的销售经验和培训，标注数据的正确性想短时间达到极高的准确率是相对比较困难的。

例如，在智能电话销售场景下，通常需要根据客户在电话中所表达的意图，例如借款场景下，客户询问利息多少、额度多少等意图，我们需要针对客户话中表达的意图进行意图识别和分类，然后根据对话策略播报对应的解答话术，通常情况下，想要建立精确的意图识别和分类的有监督模型，需要大量的标注数据用于训练，但是实际业务上，大量的标注数据需要投入很多人力进行标注，人力标注效率较低，且准确率不高。

发明内容

本申请实施例的目的在于提出一种训练样本生成的方法、装置、计算机设备及存储介质，以解决现有的人工标注的训练样本生成方案存在的效率较低，且准确率不高的技术问题。

为了解决上述技术问题，本申请实施例提供一种训练样本生成的方法，采用了如下所述的技术方案：

一种训练样本生成的方法，包括：

获取初始训练样本和目标训练样本，并对所述初始训练样本和所述目标训练样本进行拼接，得到样本匹配对；

将所述样本匹配对导入到预设的第一处理模型，得到初始目标样本集，其中，所述初始目标样本集包含若干个初始目标样本；

将所述目标训练样本和所述初始目标样本集导入到预设的第二处理模型，通过所述第二处理模型依次计算所述目标训练样本和每一个所述初始目标样本的相似度；

获取与所述目标训练样本的相似度大于预设阈值的初始目标样本，得到相似目标样本；

将所述相似目标样本与所述初始训练样本进行组合，得到训练样本集。

进一步地，所述获取初始训练样本和目标训练样本，并对所述初始训练样本和所述目标训练样本进行拼接，得到样本匹配对的步骤，具体包括：

分别对所述初始训练样本和所述目标训练样本进行预处理，其中，所述预处理包括分词和去除停用词；

分别提取预处理后所述初始训练样本和所述目标训练样本的文本实体；

分别对所述初始训练样本的文本实体和所述目标训练样本的文本实体进行匹配，得到样本匹配对。

进一步地，在所述将所述样本匹配对导入到预设的第一处理模型，得到初始目标样本集，其中，所述初始目标样本集包含若干个初始目标样本之前，还包括：

获取第一训练集，并生成所述第一训练集对应的掩膜标识；