[發(fā)明專利]一種信息處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010905735.4
• 申請(qǐng)日: 2020-09-01
• 公開（公告）號(hào): CN112052320B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設(shè)計(jì)）人: 周輝陽(yáng);閆昭;李勤
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/35;G06F16/36;G06F40/30
• 代理公司: 深圳翼盛智成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44300
• 代理人: 李漢亮

1.一種信息處理方法，其特征在于，包括：

根據(jù)目標(biāo)語(yǔ)料信息生成多個(gè)測(cè)試語(yǔ)料信息；其中，所述目標(biāo)語(yǔ)料信息為人工設(shè)定的相似問題加答案信息的組合，所述測(cè)試語(yǔ)料信息為擴(kuò)展問題的語(yǔ)料信息；

對(duì)每一測(cè)試語(yǔ)料信息與所述目標(biāo)語(yǔ)料信息對(duì)應(yīng)的初始語(yǔ)料信息進(jìn)行組合，生成測(cè)試語(yǔ)料信息對(duì)；其中，所述初始語(yǔ)料信息為人工設(shè)定的問題；

通過第一預(yù)設(shè)模型對(duì)所述測(cè)試語(yǔ)料信息對(duì)的文字相似特征維度進(jìn)行處理，得到第一測(cè)試分?jǐn)?shù)，包括：將所述測(cè)試語(yǔ)料信息對(duì)輸入第一預(yù)設(shè)模型中的每一棵樹，輸出多個(gè)分?jǐn)?shù)值；根據(jù)所述多個(gè)分?jǐn)?shù)值進(jìn)行求和，得到第一測(cè)試分?jǐn)?shù)；

將第一測(cè)試分?jǐn)?shù)低于第一預(yù)設(shè)閾值的測(cè)試語(yǔ)料信息對(duì)輸入第二預(yù)設(shè)模型進(jìn)行語(yǔ)義相似特征維度處理，得到第二測(cè)試分?jǐn)?shù)，包括：將所述第一測(cè)試分?jǐn)?shù)低于第一預(yù)設(shè)閾值的測(cè)試語(yǔ)料信息對(duì)輸入第二預(yù)設(shè)模型，使得第二預(yù)設(shè)模型將輸入的測(cè)試語(yǔ)料信息對(duì)轉(zhuǎn)化為向量信息進(jìn)行特征處理，輸出特征向量信息；將輸出的特征向量信息連接全連接層分類器，得到第二測(cè)試分?jǐn)?shù)；

將所述第二測(cè)試分?jǐn)?shù)高于第二預(yù)設(shè)閾值的測(cè)試語(yǔ)料信息對(duì)輸入數(shù)據(jù)庫(kù)。

2.根據(jù)權(quán)利要求1所述的信息處理方法，其特征在于，所述第一預(yù)設(shè)模型為通過對(duì)樣本語(yǔ)料對(duì)之間的文字相似特征維度與預(yù)設(shè)標(biāo)簽之間的非線性關(guān)系進(jìn)行學(xué)習(xí)得到。

3.根據(jù)權(quán)利要求2所述的信息處理方法，其特征在于，所述第一預(yù)設(shè)模型為XGBoost樹模型。

4.根據(jù)權(quán)利要求3所述的信息處理方法，其特征在于，所述信息處理方法，還包括：

獲取樣本語(yǔ)料對(duì)，所述樣本語(yǔ)料對(duì)攜帶預(yù)設(shè)標(biāo)簽；

將所述樣本語(yǔ)料對(duì)和預(yù)設(shè)標(biāo)簽輸入初始XGBoost樹模型中的第一棵樹進(jìn)行訓(xùn)練，得到第一分?jǐn)?shù)值；

獲取所述第一分?jǐn)?shù)值與預(yù)設(shè)標(biāo)簽之間的第一殘差值；

將所述第一殘差值作為第二棵樹的預(yù)設(shè)標(biāo)簽并進(jìn)行迭代訓(xùn)練處理，直至每一課樹訓(xùn)練完畢，得到訓(xùn)練后的XGBoost樹模型。

5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的信息處理方法，其特征在于，所述第二預(yù)設(shè)模型為通過對(duì)樣本語(yǔ)料對(duì)之間的語(yǔ)義相似特征維度與預(yù)設(shè)標(biāo)簽之間的非線性關(guān)系進(jìn)行學(xué)習(xí)得到。

6.根據(jù)權(quán)利要求5所述的信息處理方法，其特征在于，所述第二預(yù)設(shè)模型為BERT模型。

7.根據(jù)權(quán)利要求6所述的信息處理方法，其特征在于，所述信息處理方法，還包括：

獲取樣本語(yǔ)料對(duì)，所述樣本語(yǔ)料對(duì)攜帶預(yù)設(shè)標(biāo)簽；

將所述樣本語(yǔ)料對(duì)和預(yù)設(shè)標(biāo)簽輸入初始BERT模型中，使得所述BERT模型提取樣本語(yǔ)料對(duì)之間的語(yǔ)義相似度；

根據(jù)所述語(yǔ)義相似度和預(yù)設(shè)標(biāo)簽之間的差異迭代調(diào)整初始BERT模型的網(wǎng)絡(luò)參數(shù)，直至收斂，得到訓(xùn)練后的BERT模型。

8.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的信息處理方法，其特征在于，所述根據(jù)目標(biāo)語(yǔ)料信息生成多個(gè)測(cè)試語(yǔ)料信息的步驟，包括：

獲取與初始語(yǔ)料信息的相似度大于預(yù)設(shè)閾值的目標(biāo)語(yǔ)料信息；

將所述目標(biāo)語(yǔ)料信息輸入問題生成模型，輸出多個(gè)測(cè)試語(yǔ)料信息。

9.根據(jù)權(quán)利要求8所述的信息處理方法，其特征在于，所述將所述第二測(cè)試分?jǐn)?shù)高于第二預(yù)設(shè)閾值的測(cè)試語(yǔ)料信息對(duì)輸入數(shù)據(jù)庫(kù)的步驟之后，還包括：

將所述第二測(cè)試分?jǐn)?shù)高于第二預(yù)設(shè)閾值的測(cè)試語(yǔ)料信息對(duì)輸入所述問題生成模型進(jìn)行更新訓(xùn)練，得到更新訓(xùn)練后的問題生成模型。