[發明專利]基于提示學習的矛盾信息預測方法、裝置、設備及介質

在審

• 申請號: 202310589069.1
• 申請日: 2023-05-23
• 公開（公告）號: CN116595994A
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 吳信朝;阮曉雯;吳振宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06F40/216;G06N20/00;G16H80/00
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 程子慧

1.一種基于提示學習的矛盾信息預測方法，其特征在于，所述方法包括：

獲取歷史對話記錄和至少一個當前判別語句；

基于預測模型，遍歷所述歷史對話記錄，計算所述當前判別語句與所述歷史對話記錄中各語句的矛盾概率值；

在所述矛盾概率值大于預設概率閾值時，則確定所述當前判別語句與所述歷史對話記錄矛盾。

2.根據權利要求1所述的癥狀矛盾識別方法，其特征在于，所述基于預測模型，遍歷所述歷史對話記錄，計算所述當前判別語句與所述歷史對話記錄中各語句的矛盾概率值，包括：

基于所述預測模型，將所述歷史對話記錄和所述當前判別語句向量化，獲得當前判別向量和至少一個對話數據向量；

計算所述當前判別向量和各所述對話數據向量的矛盾概率值，確定所述當前判別語句與所述歷史對話中各語句的矛盾概率值。

3.根據權利要求2所述的癥狀矛盾識別方法，其特征在于，所述計算所述當前判別向量和各所述對話數據向量的矛盾概率值，確定所述當前判別語句與所述歷史對話中各語句的矛盾概率值之后，還包括：

獲取至少一個提示參數，并將所述提示參數向量化，獲得提示參數向量；

基于所述預設概率閾值，確定各所述矛盾概率值對應的矛盾等級；

基于各所述矛盾等級對應的所述提示參數向量，標記所述歷史對話記錄中各語句，輸出所述歷史對話記錄中各語句對應的所述提示參數向量，以判別所述當前判別語句與所述歷史對話記錄中各語句是否矛盾。

4.根據權利要求1所述的癥狀矛盾識別方法，其特征在于，所述基于預測模型，遍歷所述歷史對話記錄，計算所述當前判別語句與所述歷史對話記錄中各語句的矛盾概率值之前，還包括：

獲取歷史問診對話數據和至少一個目標判別語句；

基于所述歷史問診對話數據，訓練預訓練模型提取所述歷史問診對話數據中與所述目標判別語句存在矛盾的矛盾語句，獲得所述預測模型。

5.根據權利要求4所述的癥狀矛盾識別方法，其特征在于，所述基于所述歷史問診對話數據，訓練預訓練模型提取所述歷史問診對話數據中與所述目標判別語句存在矛盾的矛盾語句，獲得所述預測模型，包括：

基于預訓練模型，遍歷所述歷史問診對話數據，提取所述歷史問診對話數據中與所述目標判別語句存在矛盾的矛盾語句；

基于所述矛盾語句和所述目標判別語句，確定所述預訓練模型對于所述矛盾語句的判別準確率；

在所述判別準確率大于預設準確率時，確定所述預訓練模型為所述預測模型。

6.根據權利要求5所述的癥狀矛盾識別方法，其特征在于，所述基于所述矛盾語句和所述目標判別語句，確定所述預訓練模型對于所述矛盾語句的判別準確率之后，還包括：

在所述判別準確率小于所述預設準確率時，標記所述矛盾語句中的真實矛盾語句和非矛盾語句；

基于所述真實矛盾語句、所述非矛盾語句和所述歷史問診對話數據，重新訓練所述預訓練模型，直至所述預訓練模型的判別準確率大于所述預設準確率，確定所述預訓練模型為所述預測模型。

7.根據權利要求4所述的癥狀矛盾識別方法，其特征在于，所述基于所述歷史問診對話數據，訓練預訓練模型提取所述歷史問診對話數據中與所述目標判別語句存在矛盾的矛盾語句，獲得所述預測模型，還包括：

基于所述歷史問診對話數據，訓練所述預訓練模型，提取所述歷史問診對話數據中與所述目標判別語句存在矛盾的矛盾語句；

基于預設糾正模塊，標記所述矛盾語句中的真實矛盾語句和非矛盾語句；

基于所述歷史問診對話數據、所述真實矛盾語句和所述非矛盾語句，重新訓練所述預訓練模型，直至完成預設訓練次數，獲得所述預測模型。