本申请涉及一种问题生成方法、装置、计算机设备和存储介质。所述方法包括：通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题，通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签，为目标预测问题添加质量标签，并输出添加有质量标签的目标预测问题。采用本方法能够通过引入阅读理解模型，根据目标预测问题、目标段落，以及答案在目标段落中的位置，自动确定目标预测问题的质量标签，无需再利用人工对生成的目标预测问题进行质检，进一步提高了数据库构建工作的效率，且降低了数据库构建成本。成本。成本。
【技术实现步骤摘要】
问题生成方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种问题生成方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着人工智能技术的发展，基于问题生成技术，进行智能问答的产品逐渐普及。例如，该类产品可以基于用户输入的目标段落及问题，预测答案。
[0003]为了快速且精准的为用户提供信息问答服务，智能问答产品通常需要构建问题数据库，数据库中记录有文本段落、答案和预测用户问题等。
[0004]现有技术构建数据库时，虽然可通过神经网络模型基于文本段落和答案，预测用户问题，但由于神经网络模型的预测结果不稳定，仍需人工对预测的问题进行质检，导致数据库构建工作存在效率较低且成本高的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高问题生成准确性的问题生成方法、装置、计算机设备和存储介质。
[0006]第一方面，本申请提供了一种问题生成方法。所述方法包括：
[0007]通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题；
[0008]通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签；
[0009]为目标预测问题添加质量标签，并输出添加有质量标签的目标预测问题。
[0010]在其中一个实施例中，通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题，包括：
[0011]通过问题生成模型的编码网络，对目标段落和目标段落对应的目标答案进行编码，得到目标段落对应的段落语义编码结果和段落位置编码结果，以及目标答案对应的答案语义编码结果和答案位置编码结果；
[0012]通过问题生成模型的特征融合网络，对段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行特征融合，得到融合特征；
[0013]通过问题生成模型的解码网络，对融合特征进行解码，得到目标预测问题。
[0014]在其中一个实施例中，通过问题生成模型的特征融合网络，对段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行特征融合，得到融合特征，包括：
[0015]对段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行拼接，得到拼接编码结果；
[0016]通过问题生成模型的特征融合网络，对拼接编码结果进行特征融合，得到融合特
征。
[0017]在其中一个实施例中，通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签，包括：
[0018]通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题对应的答案与目标答案之间的目标位置重合度；
[0019]根据目标位置重合度，确定目标预测问题的质量标签。
[0020]在其中一个实施例中，问题生成模型通过如下方式训练得到：
[0021]将样本段落和样本段落对应的样本答案输入到问题生成模型中，得到样本预测问题；
[0022]根据样本预测问题、样本答案对应的样本标准问题，确定样本预测问题和样本标准问题之间的问题相似度；
[0023]根据样本预测问题、样本段落，以及样本答案在样本段落中的位置，确定样本预测问题对应的答案与样本答案之间的样本位置重合度；
[0024]根据问题相似度和样本位置重合度，确定目标损失值；
[0025]根据目标损失值，更新问题生成模型的模型参数。
[0026]在其中一个实施例中，根据样本预测问题、样本答案对应的样本标准问题，确定样本预测问题和样本标准问题之间的问题相似度，包括：
[0027]将样本预测问题、样本答案对应的样本标准问题输入复述识别模型，得到样本预测问题和样本标准问题之间的问题相似度。
[0028]在其中一个实施例中，根据样本预测问题、样本段落，以及样本答案在样本段落中的位置，确定样本预测问题对应的答案与样本答案之间的样本位置重合度，包括：
[0029]将样本预测问题、样本段落，以及样本答案在样本段落中的位置输入至阅读理解模型中，得到样本预测问题对应的答案与样本答案之间的样本位置重合度。
[0030]在其中一个实施例中，根据问题相似度和样本位置重合度，确定目标损失值，包括：
[0031]根据问题相似度和样本位置重合度，确定第一损失值；
[0032]根据第一损失值和复述识别模型的复述损失值和复述损失权重，确定第二损失值；
[0033]根据第一损失值和阅读理解模型的理解损失值和理解损失权重，确定第三损失值；
[0034]根据第二损失值和第三损失值，确定目标损失值。
[0035]第二方面，本申请还提供了一种问题生成装置。所述装置包括：
[0036]问题生成模块，用于通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题；
[0037]标签确定模块，用于通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签；
[0038]问题输出模块，用于为目标预测问题添加质量标签，并输出添加有质量标签的目标预测问题。
[0039]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理
器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0040]通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题；
[0041]通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签；
[0042]为目标预测问题添加质量标签，并输出添加有质量标签的目标预测问题。
[0043]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0044]通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题；
[0045]通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签；
[0046]为目标预测问题添加质量标签，并输出添加有质量标签的目标预测问题。
[0047]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0048]通过问题生成模型，对目标段落和目标段落对应的目标答案进行解析，得到目标预测问题；
[0049]通过阅读理解模型，对目标预测问题、目标段落，以及目标答案在目标段落中的位置进行解析，确定目标预测问题的质量标签；本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种问题生成方法，其特征在于，所述方法包括：通过问题生成模型，对目标段落和所述目标段落对应的目标答案进行解析，得到目标预测问题；通过阅读理解模型，对所述目标预测问题、所述目标段落，以及所述目标答案在所述目标段落中的位置进行解析，确定所述目标预测问题的质量标签；为所述目标预测问题添加所述质量标签，并输出添加有所述质量标签的目标预测问题。2.根据权利要求1所述的方法，其特征在于，通过问题生成模型，对目标段落和所述目标段落对应的目标答案进行解析，得到目标预测问题，包括：通过问题生成模型的编码网络，对目标段落和所述目标段落对应的目标答案进行编码，得到所述目标段落对应的段落语义编码结果和段落位置编码结果，以及所述目标答案对应的答案语义编码结果和答案位置编码结果；通过问题生成模型的特征融合网络，对所述段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行特征融合，得到融合特征；通过问题生成模型的解码网络，对所述融合特征进行解码，得到目标预测问题。3.根据权利要求2所述的方法，其特征在于，所述通过问题生成模型的特征融合网络，对所述段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行特征融合，得到融合特征，包括：对所述段落语义编码结果、段落位置编码结果、答案语义编码结果和答案位置编码结果进行拼接，得到拼接编码结果；通过问题生成模型的特征融合网络，对所述拼接编码结果进行特征融合，得到融合特征。4.根据权利要求1所述的方法，其特征在于，所述通过阅读理解模型，对所述目标预测问题、所述目标段落，以及所述目标答案在所述目标段落中的位置进行解析，确定所述目标预测问题的质量标签，包括：通过阅读理解模型，对所述目标预测问题、所述目标段落，以及所述目标答案在所述目标段落中的位置进行解析，确定所述目标预测问题对应的答案与所述目标答案之间的目标位置重合度；根据所述目标位置重合度，确定所述目标预测问题的质量标签。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述问题生成模型通过如下方式训练得到：将样本段落和所述样本段落对应的样本答案输入到问题生成模型中，得到样本预测问题；根据所述样本预测问题、所述样本答案对应的样本标准问题，确定所述样本预测问题和所述样本标准问题之间的问题相似度；根据所述样本预测问题、所述样本段落，以及所述样本答案在所述样本段落中的位置，...
【专利技术属性】
技术研发人员：范晓东，
申请(专利权)人：工银科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。