[發明專利]信息生成模型的訓練方法、生成信息的方法、裝置和設備

有效

• 申請號: 202210159291.3
• 申請日: 2022-02-21
• 公開（公告）號: CN114547266B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 雷澤陽;徐新超;吳文權;牛正雨
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30;G06F40/289;G06F40/242;G06N3/0455;G06N3/0464;G06N3/0442;G06N3/084
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 呂朝蕙

1.一種信息生成模型的訓練方法，包括：

將信息對中針對目標對象的描述信息拆分為至少一個描述詞，得到描述詞序列；其中，所述信息對還包括第一推薦信息；

將所述描述詞序列輸入對話生成模型，得到針對所述目標對象的概率向量序列；所述概率向量序列中的每個概率向量包括針對多個預定詞的概率值；以及

根據所述概率向量序列和所述第一推薦信息，訓練所述對話生成模型，得到所述信息生成模型，

其中，所述概率向量序列指示針對所述目標對象的第二推薦信息；

所述根據所述概率向量序列和所述第一推薦信息，訓練所述對話生成模型包括：

根據所述概率向量序列，確定所述第二推薦信息包括提示信息的預測概率；所述提示信息是針對所述目標對象的；

根據所述預測概率確定所述對話生成模型的第一損失值；

根據所述第二推薦信息與所述描述信息之間的關聯關系，確定所述對話生成模型的第二損失值；以及

根據所述第一損失值、所述第二損失值和所述第一推薦信息，訓練所述對話生成模型。

2.根據權利要求1所述的方法，還包括：

將針對所述目標對象的提示信息拆分為至少一個提示詞，得到提示詞序列；

其中，所述將所述描述詞序列輸入對話生成模型，得到針對所述目標對象的概率向量序列包括：將所述描述詞序列和所述提示詞序列輸入所述對話生成模型，得到概率向量序列。

3.根據權利要求2所述的方法，其中，所述根據所述概率向量序列，確定所述第二推薦信息包括所述提示信息的預測概率包括：

根據所述概率向量序列中針對所述提示詞序列中每個提示詞的概率值，確定所述第二推薦信息包括所述每個提示詞的概率；以及

根據所述第二推薦信息包括所述至少一個提示詞的至少一個概率，確定所述第二推薦信息包括所述提示信息的預測概率。

4.根據權利要求1所述的方法，其中，所述對話生成模型包括帶離散隱變量的預訓練對話生成模型；所述將所述描述詞序列輸入對話生成模型，得到針對所述目標對象的概率向量序列包括：

將隨機標識信息和所述描述詞序列輸入所述對話生成模型，得到與所述隨機標識信息對應的關聯預測值及概率向量序列，

其中，所述關聯預測值指示所述第二推薦信息與所述描述信息之間的關聯關系。

5.根據權利要求1所述的方法，還包括：

響應于所述第二推薦信息中存在重復的詞，根據重復的詞在所述第二推薦信息中的位置信息，確定所述概率向量序列中與重復的詞對應的概率向量，作為目標概率向量；以及

根據所述目標概率向量和重復的詞，確定所述對話生成模型的第三損失值；

其中，所述根據所述概率向量序列和所述第一推薦信息，訓練所述對話生成模型還包括：根據所述第一損失值、所述第二損失值和所述第三損失值訓練所述對話生成模型。

6.根據權利要求1所述的方法，還包括：

將所述第一推薦信息拆分為至少一個推薦詞，得到推薦詞序列；

響應于所述推薦詞序列中存在重復的詞，根據重復的詞在所述推薦詞序列中的位置信息，確定所述概率向量序列中與重復的詞對應的概率向量，作為目標概率向量；以及

根據所述目標概率向量和重復的詞，確定所述對話生成模型的第三損失值；

其中，所述根據所述概率向量序列和所述第一推薦信息，訓練所述對話生成模型還包括：根據所述第一損失值、所述第二損失值和所述第三損失值訓練所述對話生成模型。

7.一種生成信息的方法，包括：

將待推薦對象的描述信息拆分為至少一個描述詞，得到描述詞序列；

將所述描述詞序列輸入信息生成模型，得到針對所述待推薦對象的概率向量序列；所述概率向量序列中的每個概率向量包括針對多個預定詞的概率值；以及

根據所述概率向量序列，確定針對所述待推薦對象的推薦信息，

其中，所述信息生成模型是采用權利要求1～6中任一項所述的方法訓練的。