本說明書涉及計(jì)算機(jī)，尤其涉及一種模型訓(xùn)練方法、業(yè)務(wù)執(zhí)行方法、裝置以及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、近年來，隨著計(jì)算機(jī)技術(shù)以及人工智能技術(shù)的發(fā)展，語言模型的應(yīng)用逐漸廣泛。語言模型可以根據(jù)用戶提供的個(gè)人數(shù)據(jù)來執(zhí)行相關(guān)的問答業(yè)務(wù)。例如，用戶可以向語言模型輸入文本(如：一篇新聞)和問題語句(如：該文本是否描述了a地區(qū)近期經(jīng)濟(jì)數(shù)據(jù)的變化？)，進(jìn)而語言模型可以對(duì)接收到的文本和問題語句進(jìn)行分析與處理，并將結(jié)果返回給用戶。

2、目前，為了使得語言模型在實(shí)際應(yīng)用過程中能夠?qū)τ脩羲斎氲膬?nèi)容進(jìn)行準(zhǔn)確的分析并得出結(jié)果，可以在前期對(duì)語言模型進(jìn)行訓(xùn)練的過程中采用人為的方式設(shè)置不同的問題語句來引導(dǎo)語言模型給出相應(yīng)的回答，以使語言模型學(xué)習(xí)到對(duì)不同的問題語句進(jìn)行分析與處理的能力。例如，在對(duì)語言模型進(jìn)行訓(xùn)練的過程中，當(dāng)語言模型的輸入是一篇新聞時(shí)，問題語句可以是“該文章是否為財(cái)經(jīng)類的新聞？”，以此來引導(dǎo)語言模型對(duì)該文章是否屬于財(cái)經(jīng)類的新聞進(jìn)行判斷?；蛘撸瑔栴}語句也可以是“該文章是否描述了近期股市行情的變動(dòng)？”，以此來引導(dǎo)語言模型對(duì)該文章中是否存在對(duì)近期股市行情的變動(dòng)的內(nèi)容進(jìn)行判斷。

3、但是，采用人為設(shè)置多個(gè)問題語句的方式耗時(shí)較長(zhǎng)，從而導(dǎo)致訓(xùn)練效率較低。

技術(shù)實(shí)現(xiàn)思路

1、本說明書提供了一種模型訓(xùn)練方法、業(yè)務(wù)執(zhí)行方法、裝置以及存儲(chǔ)介質(zhì)，以部分的解決現(xiàn)有技術(shù)存在的上述問題。

2、本說明書采用下述技術(shù)方案：

3、本說明書提供了一種模型訓(xùn)練方法，包括：

4、獲取文本數(shù)據(jù)；

5、將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述各文本要素信息，生成用于對(duì)所述文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本，以將所述總結(jié)文本與所述文本數(shù)據(jù)進(jìn)行匹配，得到所述總結(jié)文本與所述文本數(shù)據(jù)之間的匹配結(jié)果，作為實(shí)際匹配結(jié)果，其中，文本要素信息用于表征所述文本數(shù)據(jù)的語句成分、所述文本數(shù)據(jù)對(duì)應(yīng)文本內(nèi)容所表達(dá)的情感類型、所述文本數(shù)據(jù)對(duì)應(yīng)文本內(nèi)容的描述風(fēng)格；

6、將所述文本數(shù)據(jù)以及所述總結(jié)文本輸入到待訓(xùn)練的語言模型中，以使所述語言模型生成所述文本數(shù)據(jù)與所述總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果；

7、根據(jù)所述待驗(yàn)證匹配結(jié)果和所述實(shí)際匹配結(jié)果之間的偏差，確定損失值，并根據(jù)所述損失值，對(duì)所述待訓(xùn)練的語言模型進(jìn)行訓(xùn)練，其中，所述偏差與所述損失值之間呈正相關(guān)關(guān)系。

8、可選地，將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述各文本要素信息，生成用于對(duì)所述文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本，具體包括：

9、將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并從所述各文本要素信息中選取至少一個(gè)目標(biāo)要素信息，以將選取出的至少一個(gè)目標(biāo)要素信息進(jìn)行組合，得到組合文本要素信息，并根據(jù)所述組合文本要素信息，生成用于對(duì)所述文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本。

10、可選地，將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并從所述各文本要素信息中選取至少一個(gè)目標(biāo)要素信息，具體包括：

11、將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型確定所述文本數(shù)據(jù)對(duì)應(yīng)的文本特征，根據(jù)所述文本特征，對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述文本特征，從所述各文本要素信息中確定出重要要素信息，作為選取出的至少一個(gè)目標(biāo)要素信息。

12、可選地，將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并從所述各文本要素信息中選取至少一個(gè)目標(biāo)要素信息，具體包括：

13、將所述文本數(shù)據(jù)以及獲取到的任務(wù)需求信息輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述任務(wù)需求信息，從所述各文本要素信息中確定出與所述任務(wù)需求信息相匹配的文本要素信息，作為選取出的至少一個(gè)目標(biāo)要素信息。

14、可選地，將所述文本數(shù)據(jù)以及所述總結(jié)文本輸入到待訓(xùn)練的語言模型中，以使所述語言模型生成所述文本數(shù)據(jù)與所述總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果，具體包括：

15、將所述文本數(shù)據(jù)、所述總結(jié)文本以及輸出規(guī)定信息輸入到待訓(xùn)練的語言模型中，以使所述語言模型按照所述輸出規(guī)定信息所要求的信息輸出類型，輸出所述文本數(shù)據(jù)與所述總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果。

16、本說明書提供了一種業(yè)務(wù)執(zhí)行方法，包括：

17、獲取待匹配數(shù)據(jù)，所述待匹配數(shù)據(jù)中包含有待匹配文本數(shù)據(jù)以及待匹配總結(jié)文本；

18、將所述待匹配數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的語言模型中，以使所述語言模型生成所述待匹配文本數(shù)據(jù)與所述待匹配總結(jié)文本之間的匹配結(jié)果，所述語言模型是通過如上述模型訓(xùn)練方法訓(xùn)練得到的；

19、根據(jù)所述匹配結(jié)果，進(jìn)行業(yè)務(wù)執(zhí)行。

20、本說明書提供了一種模型訓(xùn)練裝置，包括：

21、獲取模塊：用于獲取文本數(shù)據(jù)；

22、第一匹配模塊：用于將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述各文本要素信息，生成用于對(duì)所述文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本，以將所述總結(jié)文本與所述文本數(shù)據(jù)進(jìn)行匹配，得到所述總結(jié)文本與所述文本數(shù)據(jù)之間的匹配結(jié)果，作為實(shí)際匹配結(jié)果，其中，文本要素信息用于表征所述文本數(shù)據(jù)的語句成分、所述文本數(shù)據(jù)對(duì)應(yīng)文本內(nèi)容所表達(dá)的情感類型、所述文本數(shù)據(jù)對(duì)應(yīng)文本內(nèi)容的描述風(fēng)格；

23、第二匹配模塊：用于將所述文本數(shù)據(jù)以及所述總結(jié)文本輸入到待訓(xùn)練的語言模型中，以使所述語言模型生成所述文本數(shù)據(jù)與所述總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果；

24、訓(xùn)練模塊：用于根據(jù)所述待驗(yàn)證匹配結(jié)果和所述實(shí)際匹配結(jié)果之間的偏差，確定損失值，并根據(jù)所述損失值，對(duì)所述待訓(xùn)練的語言模型進(jìn)行訓(xùn)練，其中，所述偏差與所述損失值之間呈正相關(guān)關(guān)系。

25、可選地，所述第一匹配模塊具體用于：

26、將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并從所述各文本要素信息中選取至少一個(gè)目標(biāo)要素信息，以將選取出的至少一個(gè)目標(biāo)要素信息進(jìn)行組合，得到組合文本要素信息，并根據(jù)所述組合文本要素信息，生成用于對(duì)所述文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本。

27、可選地，所述第一匹配模塊具體用于：

28、將所述文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型確定所述文本數(shù)據(jù)對(duì)應(yīng)的文本特征，根據(jù)所述文本特征，對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述文本特征，從所述各文本要素信息中確定出重要要素信息，作為選取出的至少一個(gè)目標(biāo)要素信息。

29、可選地，所述第一匹配模塊具體用于：

30、將所述文本數(shù)據(jù)以及獲取到的任務(wù)需求信息輸入到預(yù)設(shè)的大語言模型中，以使所述大語言模型對(duì)所述文本數(shù)據(jù)進(jìn)行語義分析，以確定出所述文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)所述任務(wù)需求信息，從所述各文本要素信息中確定出與所述任務(wù)需求信息相匹配的文本要素信息，作為選取出的至少一個(gè)目標(biāo)要素信息。

31、可選地，所述第二匹配模塊具體用于：

32、將所述文本數(shù)據(jù)、所述總結(jié)文本以及輸出規(guī)定信息輸入到待訓(xùn)練的語言模型中，以使所述語言模型按照所述輸出規(guī)定信息所要求的信息輸出類型，輸出所述文本數(shù)據(jù)與所述總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果。

33、本說明書提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述模型訓(xùn)練方法或業(yè)務(wù)執(zhí)行方法。

34、本說明書提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述模型訓(xùn)練方法或業(yè)務(wù)執(zhí)行方法。

35、本說明書采用的上述至少一個(gè)技術(shù)方案能夠達(dá)到以下有益效果：

36、本說明書提供的模型訓(xùn)練方法，可以首先獲取文本數(shù)據(jù)，將文本數(shù)據(jù)輸入到預(yù)設(shè)的大語言模型中，以使大語言模型對(duì)文本數(shù)據(jù)進(jìn)行語義分析，以確定出文本數(shù)據(jù)所對(duì)應(yīng)的各文本要素信息，并根據(jù)各文本要素信息，生成用于對(duì)文本數(shù)據(jù)從至少部分角度進(jìn)行總結(jié)的總結(jié)文本，以將總結(jié)文本與文本數(shù)據(jù)進(jìn)行匹配，得到總結(jié)文本與文本數(shù)據(jù)之間的匹配結(jié)果，作為實(shí)際匹配結(jié)果，將文本數(shù)據(jù)以及總結(jié)文本輸入到待訓(xùn)練的語言模型中，以使語言模型生成文本數(shù)據(jù)與總結(jié)文本之間的匹配結(jié)果，作為待驗(yàn)證匹配結(jié)果，根據(jù)待驗(yàn)證匹配結(jié)果和實(shí)際匹配結(jié)果之間的偏差，確定損失值，并根據(jù)損失值，對(duì)待訓(xùn)練的語言模型進(jìn)行訓(xùn)練。

37、從上述方法中可以看出，可以將文本數(shù)據(jù)輸入到大語言模型中，以使大語言模型根據(jù)文本數(shù)據(jù)對(duì)應(yīng)的各文本要素信息確定出總結(jié)文本。并且，可以將文本數(shù)據(jù)以及大語言模型所確定出的總結(jié)文本作為樣本數(shù)據(jù)輸入到待訓(xùn)練的語言模型中，以此來對(duì)語言模型進(jìn)行訓(xùn)練，從而避免了現(xiàn)有技術(shù)中通過人為設(shè)置多個(gè)問題語句來對(duì)語言模型進(jìn)行訓(xùn)練由于耗時(shí)較長(zhǎng)所造成的訓(xùn)練效率較低的問題，大大提升了訓(xùn)練效率。與此同時(shí)，上述方法在進(jìn)行訓(xùn)練的過程中所使用的總結(jié)文本是預(yù)設(shè)的大語言模型根據(jù)從多個(gè)角度進(jìn)行語義分析得到的各文本要素信息來確定出的，因此，采用上述方法進(jìn)行訓(xùn)練可以使語言模型學(xué)習(xí)到對(duì)多角度的總結(jié)文本進(jìn)行分析與處理的能力，從而提升了模型所輸出的匹配結(jié)果的準(zhǔn)確性。