[發明專利]總結模型的訓練方法和工單生成方法及相關設備、裝置

在審

• 申請號: 202110227624.7
• 申請日: 2021-03-01
• 公開（公告）號: CN113128176A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 王巖;許勝強;劉加新;胡加學
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/194;G06F40/242;G06F40/289;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種總結模型的訓練方法，其特征在于，包括：

獲取樣本文本；其中，所述樣本文本對應有參考總結文本和對照文本；

利用所述總結模型的編碼網絡對所述樣本文本和所述對照文本進行編碼，得到所述樣本文本的第一表示和所述對照文本的第二表示；

利用所述總結模型的解碼網絡對所述第一表示進行解碼，得到所述樣本文本的預測總結文本；

基于所述第一表示和所述第二表示之間的相似度，得到所述總結模型的第一損失值，并基于所述預測總結文本和所述參考總結文本，得到所述總結模型的第二損失值；

基于所述第一損失值和所述第二損失值，調整所述總結模型的網絡參數。

2.根據權利要求1所述的方法，其特征在于，在所述相似度不滿足預設收斂條件且所述對照文本與所述樣本文本之間語義相同的情況下，所述第一損失值與所述相似度為負相關關系；

和/或，在所述相似度不滿足所述預設收斂條件且所述對照文本與所述樣本文本之間語義不同的情況下，所述第一損失值與所述相似度為正相關關系；

和/或，在所述相似度滿足所述預設收斂條件的情況下，所述第一損失值為預設數值。

3.根據權利要求1所述的方法，其特征在于，所述對照文本包括正例文本和負例文本；所述基于所述第一表示和所述第二表示之間的相似度，得到所述總結模型的第一損失值，包括：

獲取所述第一表示和所述正例文本的第二表示之間的第一相似度，并獲取所述第一表示和所述負例文本的第二表示之間的第二相似度；

獲取所述第一相似度減去所述第二相似度的第一差值，并獲取預設相似門限減去所述第一差值的第二差值；

基于預設數值與所述第二差值之間的大小關系，得到所述第一損失值；

其中，所述正例文本與所述樣本文本之間的語義相同，所述負例文本與所述樣本文本之間的語義不同。

4.根據權利要求3所述的方法，其特征在于，所述基于預設數值與所述第二差值之間的大小關系，得到所述第一損失值，包括：

在所述預設數值大于所述第二差值的情況下，將所述預設數值作為所述第一損失值；

在所述預設數值不大于所述第二差值的情況下，將所述第二差值作為所述第一損失值。

5.一種工單生成方法，其特征在于，包括：

獲取交互文本和工單模板；其中，所述交互文本包含至少一個對話文本，所述工單模板包含與文本總結相關的第一待補充位置；

識別所述交互文本中與文本總結相關的對話文本，作為關鍵文本；

利用總結模型對所述關鍵文本進行總結，得到所述關鍵文本的總結文本；其中，所述總結模型是利用權利要求1至4任一項所述的總結模型的訓練方法訓練得到的；

在所述第一待補充位置補入所述總結文本，得到工單文本。

6.根據權利要求5所述的方法，其特征在于，所述識別所述交互文本中與文本總結相關的對話文本，包括：

將所述交互文本劃分為第一數量個分塊文本；其中，所述分塊文本包含第二數量個文字；

利用語義提取網絡對所述分塊文本進行語義抽取，得到所述分塊文本的第一語義表示；其中，所述語義提取網絡所支持處理的最長文本中不少于所述第二數量個文字；

基于所述分塊文本的第一語義表示，識別所述至少一個對話文本中與文本總結相關的對話文本。

7.根據權利要求5所述的方法，其特征在于，所述工單模板還包括與文本分類相關的第二待補充位置；所述在所述第一待補充位置補入所述總結文本，得到工單文本之前，所述方法還包括：

對所述至少一個對話文本進行識別，得到所述交互文本的分類信息；其中，所述分類信息包括：是否提示預設信息；

所述在所述第一待補充位置補入所述總結文本，得到工單文本，包括：

將所述總結文本補入所述第一待補充位置，并將所述分類信息補入所述第二待補充位置，得到所述工單文本。