CN116244418B 问题解答方法、装置、电子设备及计算机可读存储介质 （腾讯科技（深圳）有限公司）

A,2017.05.10A,2020.10.23A,2022.11.04A,2022.01.28A,2023.03.14本申请实施例提供一种问题解答方法、装数量的监督数据和第二数量的弱监督数据作为参考信息集合；基于参考信息集合中的参考信2通过预先训练的问题拆解模型对所述待解答问题进行问题通过搜索引擎对每一所述子问题进行查询，得到所述多个子问题对应的参考信息集将所述待解答问题和所述参考信息集合输入至预设的自2.根据权利要求1所述的方法，其特征在于，所述通过划分后得到的所述问题分类体获取每一所述一级分类对应的多个二级分类中每一二对每一所述一级分类对应的全部二级分类中的监督数据获取所述目标一级分类对应的多个目标二级分类和每一所述目标二级分类下的监督3将所述第一原始问题和所述至少一个要求信息输入至零将所述第一原始问题与所述多个第一拆解子问题确定为将所述第二原始问题和所述至少一个参考问题输入至少样本学习模将所述第二原始问题与所述多个第二拆解子问题确定为获取预先构造的问题分类体系；所述问题分类体基于所述第二原始问题的问题类型查询所述问题分类体系从所述二级分类标识对应的二级分类中获取至少一通过所述问题拆解模型的编码器对所述样本数通过所述问题拆解模型的解码器对所述文本编码向量基于所述样本数据中的标注子问题，对所述多个样本子基于所述评价值对所述问题拆解模型中的模型参数进行4将每一所述子问题的查询词输入至所述搜索引擎，通过在得到所述多个子问题之后，对所述多个子问题进行获取模块，用于获取待解答问题；所述待解答问问题拆解模块，用于通过预先训练的问题拆解模型对所述待解答问题进行问题拆解，查询模块，用于通过搜索引擎对每一所述子问题56越来越多的企业开展ChatGPT类项目的探索，大部分模型在算法的使用上都会存在着事实少能够应用于人工智能领域和信息搜索领域，能够极大的降低问题解答过程中的资源消7问题拆解模型对所述待解答问题进行问题拆解文本和多个第二类问题文本；所述第一类问题文本与所述第二类问题文本的数据来源不一级分类的监督数据数量和之间的比值；基于所述比值对全部监督数据进行类别平衡分充数量的目标二级分类下的新的监督数据；通过所述新的监督数据更新所述问题分类体8类体系；所述问题分类体系包括多个一级分类和与每一所述一级分类对应的多个二级分9一数量的监督数据和第二数量的弱监督数据作为样本数据进行训练后得到的模型。如此，标注的监督数据以及大量无需人工标注的弱监督数据，即可实现对问题拆解模型的训练，[0035]图12是相关技术中模型根据搜索结果进行生成的self_ask结合搜索引擎的工作采用第一数量的监督数据和第二数量的弱监督数据作为样本数据进行训练后得到的模型；取到的模型参数调用训练好的问题拆解模型和自然语言处理模型对待解答问题进行解答，一个或多个用户输入或互动进行检测以及翻译在存储器350中的一种问题解答装置354，该问题解答装置354可以是电子设备中的问题解器件（PLD，ProgrammableLogicDevice）、复杂可编程逻辑器件（CPLD，ComplexProgrammableLogicDevice）、现场可编程门阵列（FPGA，Field_ProgrammableGate可以是服务器也可以是终端，即本申请各实施例的问题解答方法可以通过服务器来执行，[0064]图3是本申请实施例提供的问题解答方法的一个可选的流程示意图，下面将结合[0071]弱监督数据是指基于人工智能技术，通过开源的大型生成语言模型（例如，第一数量的监督数据和第二数量的弱监督数据作为样本数据进行训练后得到的模型。如工标注的监督数据以及大量无需人工标注的弱监督数据，即可实现对问题拆解模型的训提供一种上述监督数据的获取方法，图4是本申请实施例提供的监督数据的获取方法的流数据，以及确定获取哪些类型的监督数据。因此，方法还可以包括以下步骤S205至步骤[0108]步骤S2071，获取每一一级分类对应的多个二级分类中每一二级分类中的监督数[0112]步骤S2074，基于比值对全部监督数据进行类别平衡分析，得到类别平衡分析结[0118]步骤S2082，获取目标一级分类对应的多个目标二级分类和每一目标二级分类下一一[0151]在一些实施例中，GPT架构的语言模型的基础结构单元可以是transf[0153]本申请实施例中，可以通过问题拆解模型（即一种GPT架构的语言模型）中的transformer模块的解码器对文本编码向量进行解码处理，得到样本数据中的样本问题对索引擎中获取位于最首位的问答答案等。通过多轮的中间问题生成以及与搜索引擎的交通过ChatGPTAPI获取弱监督数据作为样本数据后，使用开源大型语言模型（LLM，Large[0166]本申请实施例的问题解答方法能应用到大部分基于ChatGPT类项目中，例如基于[0169]对于预处理层1311，问题拆解系统131输入的是用户的问题（对应上述待解答问;shot技术构造弱监督数据就是基于输入的参考问题构造与该参考问题属于相同类型的新[0183]图16是本申请实施例提供的transformer模型结构示意图，其中，编码器为双向模型参数的增加，还在模型结构上做了一些微调，即将transformer_decoder中稠密的统使用基于GPT模块构建的TEG_HY_6.7B模型和开源;[0195]下面继续说明本申请实施例提供的问题解答装置354实施为软件模块的示例性结的问题拆解模型对所述待解答问题进行问题拆解，得到所述待解答问题对应的多个子问文本和多个第二类问题文本；所述第一类问题文本与所述第二类问题文本的数据来源不一级分类的监督数据数量和之间的比值；基于所述比值对全部监督数据进行类别平衡分充数量的目标二级分类下的新的监督数据；通过所述新的监督数据更新所述问题分类体类体系；所述问题分类体系包括多个一级分类和与每一所述一级分类对应的多个二级分[0208]本申请实施例提供了一种计算机程序产品，该计算机程序产品[0209]本申请实施例提供一种存储有可执行指令的存储介质，其中存ErasableProgrammableReadOnlyMemory）、带电可擦可编程只读存储器（EEPROM，MarkupLanguage）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件