[发明专利]模型训练方法、装置及存储介质

说明书

本申请实施例提供一种模型训练方法、装置及存储介质，其中，模型训练方法包括：获得多个对话样本的困难度；根据每个对话样本的困难度对多个对话样本进行分组，得到至少一个对话样本组；按照预设的困难度顺序，将至少一个对话样本组加入训练集合中，并利用训练集合中的对话样本对对话模型进行训练。通过将对话样本根据困难度进行分组，按照预设的困难度顺序，加入训练集合中进行训练，提高了对话模型训练的效果，进而提高了对话模型的准确率。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种模型训练方法、装置及存储介质。

背景技术

随着人工智能的发展，许多设备都可以通过神经网络模型实现和用户进行问答对话。对话状态跟踪（Dialog State Tracking，DST）模型是任务导向型对话中的重要模型，它可以根据对话历史，输出表示对话状态的槽值对，也可以说是将对话进行分类。在模型应用之前，需要利用样本数据对模型进行训练，训练效果的好坏也决定了模型分类的准确性。相关技术中，对DST模型进行训练时，利用对话数据进行随机训练，影响训练效果，进而影响模型的准确率。

发明内容

有鉴于此，本申请实施例提供一种模型训练方法、装置及存储介质，以至少部分解决上述问题。

根据本申请实施例的第一方面，提供了一种模型训练方法，包括：获得多个对话样本的困难度；根据每个对话样本的困难度对多个对话样本进行分组，得到至少一个对话样本组；按照预设的困难度顺序，将至少一个对话样本组加入训练集合中，并利用训练集合中的对话样本对对话模型进行训练。

根据本申请实施例的第二方面，提供了一种模型训练装置，包括：困难度模块，用于获得多个对话样本的困难度；分组模块，用于根据每个对话样本的困难度对多个对话样本进行分组，得到至少一个对话样本组；训练模块，用于按照预设的困难度顺序，将至少一个对话样本组加入训练集合中，并利用训练集合中的对话样本对对话模型进行训练。

根据本申请实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行如第一方面的模型训练方法对应的操作。

根据本申请实施例的第四方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如第一方面的模型训练方法。

根据本申请实施例的第五方面，提供了一种计算机程序产品，该计算机程序产品被处理器执行时，实现如第一方面的模型训练方法。

本申请实施例提供的模型训练方法、装置及存储介质，获得多个对话样本的困难度；根据每个对话样本的困难度对多个对话样本进行分组，得到至少一个对话样本组；按照预设的困难度顺序，将至少一个对话样本组加入训练集合中，并利用训练集合中的对话样本对对话模型进行训练。通过将对话样本根据困难度进行分组，按照预设的困难度顺序，加入训练集合中进行训练，提高了对话模型训练的效果，进而提高了对话模型的准确率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例一提供的一种模型训练方法的场景示意图；

图2为本申请实施例一提供的一种模型训练方法的流程图；

图3为本申请实施例一提供的一种模型训练方法的架构图；

图4为本申请实施例二提供的一种模型训练装置的结构图；

图5为本申请实施例三提供的一种电子设备的结构图。

具体实施方式