[发明专利]一种数据预测方法、装置、设备及存储介质

权利要求书

1.一种数据预测方法，其特征在于，所述方法包括：

获取测试数据集，所述测试数据集包括多个句子对，所述多个句子对中包括已标注的句子对和未标注的句子对；

利用所述测试数据集对预设的BERT模型进行训练，得到第一数据预测模型；

将未标注的句子对作为第一数据集输入所述第一数据预测模型中，得到第二数据集；

将所述测试数据集与所述第二数据集进行合并处理，并根据合并后的训练数据集训练预设的Sentence BERT模型，得到第二数据预测模型；

将待测试数据输入所述第二数据预测模型，得到与所述待测试数据对应的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述利用所述测试数据集对预设的BERT模型进行训练，得到第一数据预测模型，包括：

将所述测试数据集中的各个句子对输入预设的BERT模型，得到与所述各个句子对对应的目标特征向量；

根据所述目标特征向量重新训练所述预设的BERT模型，确定得到所述第一数据预测模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述测试数据集中的各个句子对输入预设的BERT模型，得到与所述各个句子对对应的目标特征向量，包括：

在所述测试数据集中各个句子对的两个句子之间添加第一标识符，并在每个句子对的起始位置添加第二标识符；

将添加第一标识符和第二标识符的各个句子对输入所述预设的BERT模型，得到用于表示所述第二标识符所处位置的所述目标特征向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标特征向量重新训练所述预设的BERT模型，确定得到所述第一数据预测模型，包括：

将所述目标特征向量输入预设的二分类模型，得到所述测试数据集中各个句子对中每两个句子之间的匹配概率；

根据所述匹配概率重新训练所述预设的BERT模型，确定得到所述第一数据预测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述匹配概率重新训练所述预设的BERT模型，确定得到所述第一数据预测模型，包括：

根据所述匹配概率调整所述预设的BERT模型的模型参数，并利用调整后的模型参数重新训练所述预设的BERT模型；

当利用重新训练后的BERT模型得到的匹配概率满足预设阈值时，确定得到所述第一数据预测模型。

6.根据权利要求1所述的方法，其特征在于，所述新的训练数据集包括多个句子对，每个句子对包括第一句子和第二句子，所述预设的Sentence BERT模型包括第一BERT模型和第二BERT模型；所述根据所述新的训练数据集训练预设的Sentence BERT模型，得到第二数据预测模型，包括：

将所述训练数据集中每个句子对的第一句子输入所述第一BERT模型中，得到所述每个句子对的第一句子表征向量；

将所述训练数据集中每个句子对的第二句子输入所述第二BERT模型中，得到所述每个句子对的第二句子表征向量；

根据所述每个句子对的第一句子表征向量和所述每个句子对的第二句子表征向量，训练所述预设的Sentence BERT模型，得到所述第二数据预测模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述每个句子对的第一句子表征向量和所述每个句子对的第二句子表征向量，训练所述预设的Sentence BERT模型，得到所述第二数据预测模型，包括：

根据所述每个句子对的第一句子表征向量和所述每个句子对的第二句子表征向量计算所述每个句子对的第一句子与第二句子之间的相似度；

根据所述相似度调整所述Sentence BERT模型的模型参数，并重新训练所述SentenceBERT模型；

当重新训练所述Sentence BERT模型后得到的相似度满足预设相似度阈值时，确定得到所述第二数据预测模型。