CN114416943A - 对话模型的训练方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种对话模型的训练方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域。具体实施方案为：获取训练样本；基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率；根据文本识别概率、顺序标签和正负样本标签，确定对话模型的文本生成损失和文本排序损失；基于文本生成损失和文本排序损失，对对话模型进行调整，以生成目标对话模型。由此，通过引入文本排序损失对对话模型进行训练，可以提高相关性高的回复文本在训练过程中的影响力，同时可以提高区分相关性低的回复文本的能力，使得训练好的对话模型可以输出相关性高的回复文本，提升目标对话模型的准确性。

Description

对话模型的训练方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域，尤其涉及一种对话模型的训练方法、装置和电子设备及存储介质。

背景技术

对话机器人作为自然语言处理领域的重要组成部分，它可以为用户提供框架性的即时消息传递服务，也可以为用户提供快速的机器会话服务，解决用户工作和生活中的问题。

现有对话模型通常采用顺序对顺序(Sequence to Sequence，Sep2 Sep)方案，对输入句子进行逐词编码，然后解码输出句子，由此，可通过计算句子的损失值来对对话模型进行训练。此外，现有技术中，还采用多重任务的方式，加入一个语句预测(Next SentencePrediction，NSP)任务，即判断训练样本是否为一个正确的对话样本。

发明内容

本公开提供了一种用于对话模型的训练方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种对话模型的训练方法，包括：获取训练样本，所述训练样本包括样本对话文本、所述样本对话文本的多个回复文本，所述回复文本携带顺序标签和正负样本标签，所述顺序标签由对所述多个回复文本与所述样本对话文本的相关性进行排序确定；基于所述训练样本对对话模型进行训练，以获取所述多个回复文本各自的文本识别概率；根据所述文本识别概率、所述顺序标签和所述正负样本标签，确定所述对话模型的文本生成损失和文本排序损失；基于所述文本生成损失和文本排序损失，对所述对话模型进行调整，以生成目标对话模型。

根据本公开的第二方面，提供了一种对话模型的训练装置，包括：获取模块，用于获取训练样本，所述训练样本包括样本对话文本、所述样本对话文本的多个回复文本，所述回复文本携带顺序标签和正负样本标签，所述顺序标签由对所述多个回复文本与所述样本对话文本的相关性进行排序确定；训练模块，用于基于所述训练样本对对话模型进行训练，以获取所述多个回复文本各自的文本识别概率；确定模块，用于根据所述文本识别概率、所述顺序标签和所述正负样本标签，确定所述对话模型的文本生成损失和文本排序损失；调整模块，用于基于所述文本生成损失和文本排序损失，对所述对话模型进行调整，以生成目标对话模型。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的对话模型的训练方法。

根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序/指令，所述计算机指令用于使所述计算机执行上述一方面实施例所述的对话模型的训练方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的对话模型的训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定，其中：

图1为本公开实施例提供的一对话模型的训练方法的流程示意图；

图2为本公开实施例提供的一种对话模型的结构图；

图3为本公开实施例提供的另一对话模型的训练方法的流程示意图；

图4为本公开实施例提供的另一对话模型的训练方法的流程示意图；

图5为本公开实施例提供的另一对话模型的训练方法的流程示意图；

图6为本公开实施例提供的一对话模型的训练装置的结构示意图；

图7为根据本公开实施例的对话模型的训练方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本公开实施例的对话模型的训练方法、装置和电子设备。

人工智能(Artificial Intelligence，简称AI)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。

自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别等方面。

深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

图1为本公开实施例提供的一种对话模型的训练方法的流程示意图。

如图1所示，该对话模型的训练方法，可包括：

S101，获取训练样本，训练样本包括样本对话文本、样本对话文本的多个回复文本，回复文本携带顺序标签和正负样本标签，顺序标签由对多个回复文本与样本对话文本的相关性进行排序确定。

在本公开实施例中，预先构建训练样本库，其中，训练样本库中包括多个样本对话文本，以及每个样本对话文本对应的多个回复文本。可以从训练样本库中抽取部分样本对话文华及其对应的多个回复文本。需要说明的是，该训练样本库可存储在电子设备的存储空间中，还可存储在服务器中，以便在需要时调取使用。

可选地，还可通过标注获取样本对话文本，以及该样本对话文本的多个回复文本作为训练样本，以对对话模型进行训练。

在本公开实施例中，训练样本可通过从网络上进行数据挖掘获取，举例来说，可通过在社交平台上挖掘人人对话数据，来获取样本对话文本和样本对话文本的多个回复文本。例如，同一个人向不同的人发送出同一个样本对话文本，但是不同的人可能回复不同的回复文本。或者不同的人发出同样的样本对话文本，但是每个人的回复者可能回复了不同的回复文本。

可选地，样本对话文本的回复文本还可通过选取一些句子来获得。

进一步地，回复文本携带正负样本标签，其中正样本为与样本对话文本相关性较高的回复文本，负样本为相关性较低的回复文本。可选地，可通过将样本的相关性与相关性阈值进行比较，当样本的相关性大于或者等于相关性阈值时，可认为该样本为正样本，当样本的相关性小于相关性阈值时，可认为该样本为负样本。

举例来说，正样本可标签为1，负样本标签可为0。可以理解的是，回复文本中可包含多个正样本和多个负样本。

需要说明的是，正负样本的标签标识不作任何限定，具体根据实际情况设定。

在本公开实施例中，每个回复文本的顺序标签不同，顺序标签用于标识回复文本与样本对话文本的相关性的顺序关系，举例来说，顺序标签可为1、2、3、4、5等，其中标签1表示最优的回复文本即相关性最高的回复文本，5表示最差的回复文本即相关性最差的回复文本。顺序标签的表示方法不作限定，具体根据实际情况进行设定。

S102，基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率。

在本公开实施例中，对话模型可为顺序对顺序(Sequence to Sequence，Seq2Seq)模型。Seq2Seq是一种循环神经网络的变种，包括编码器(Encoder)和解码器(Decoder)两部分。Seq2Seq是自然语言处理中的一种重要模型，可以用于机器翻译、对话系统、自动文摘。

在本公开实施例中，如图2所示，在将训练样本输入至对话模型后，需要对训练样本中的句子进行逐词编码，然后逐词解码出输出句子，如图2所示，X1、X2、X3和X4为训练样本的候选词，Y1、Y2和Y3为逐词编码出的橘子。

本公开实施例所描述的文本识别概率可为出输出句子中所有词概率的乘积。

在将训练样本输入至对话模型后，可获取多个回复文本以及文本识别概率，需要说明的是，回复文本的文本识别概率越高，该回复文本为样本对话文本的真实回复的概率越高。

S103，根据文本识别概率、顺序标签和正负样本标签，确定对话模型的文本生成损失和文本排序损失。

在本公开实施例中，文本生成损失用于表示对话模型输出的回复文本正确率的损失值，文本生成损失越大，该对话模型输出的回复文本正确率越低。可选地，可以基于顺序标签和正负样本标签，确定对话模型的文本生成损失。

文本排序损失为对话模型输出的回复文本排序标签正确率的损失值，文本排序损失越大，说明回复文本中负样本的排序标签靠前，正确率越低。可选地，可以基于回复文本的文本识别概率和顺序标签，确定文本排序损失。

在本公开实施例中，可通过将文本识别概率、顺序标签和正负样本标签通过损失函数来获取对话模型的文本生成损失和文本排序损失。

需要说明的是，该实施例中对话模型采用的损失函数可以提前设定好的，并存储在电子设备的存储空间中，以便需要时调取使用。例如，该损失函数可为铰链损失函数、交叉熵损失函数和指数损失函数等，具体可根据实际需要进行选定，此处不做任何限制。

S104，基于文本生成损失和文本排序损失，对对话模型进行调整，以生成目标对话模型。

在本公开实施例中，可基于文本生成损失和文本排序损失，对对话模型进行调整，可将调整后的对话模型再按照上述步骤进行训练，直至满足训练结束条件停止训练，得到训练后的目标对话模型。可选地，训练结束条件可以为文本生成损失和文本排序损失达到训练阈值，当文本生成损失和文本排序损失达到训练阈值可认为此时的对话模型为目标对话模型。需要说明的是，该训练阈值并不固定，可根据实际需要进行确定，此处不做任何限定。可选地，训练结束条件可以为训练次数达到设定次数或者设定时长。需要说明的是，训练结束条件可以根据实际需要进行确定，此处不做任何限定。

传统的对话模型的训练方法只是通过文本生成损失对模型进行训练，这种方法只考虑了训练样本中的正样本，没有考虑负样本，会导致一些特殊情况影响模型的准确率。举例来说，当一些较难的负样本概率大于正样本概率时，会影响训练得到的对话模型的准确率。在本公开实施例中，在文本生成损失对模型训练的基础上，通过加入文本排序损失，增加对话模型的排序优化，两个优化目标是一个递进关系，使模型最大化正例概率的同时，显式区分正负样本的概率。

在本公开实施例中，获取训练样本，训练样本包括样本对话文本、样本对话文本的多个回复文本，回复文本携带顺序标签和正负样本标签，顺序标签由对多个回复文本与样本对话文本的相关性进行排序确定，然后基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率，而后根据文本识别概率、顺序标签和正负样本标签，确定对话模型的文本生成损失和文本排序损失，基于文本生成损失和文本排序损失，对对话模型进行调整，以生成目标对话模型。由此，不仅考虑文本生成损失，而且还引入文本排序损失对对话模型进行训练，不仅可以提高相关性高的回复文本在训练过程中的影响力，而且同时可以提高区分相关性低的回复文本的能力，使得训练好的目标对话模型可以输出相关性高的回复文本，提升目标对话模型的准确性。

在本公开实施例中，可通过获取对话模型基于样本对话文本，输出的词表中每个候选词的概率，然后获取词表中属于任一回复文本的目标候选词，并将目标候选词的概率相乘得到任一回复文本的文本识别概率。由此，通过每个候选词的概率，可以确定准确的任一回复文本的文本识别概率，为后续训练提供基础。

需要说明的是，目标候选词为回复样本中出现在回复文本中的词表中的候选词。举例来说，回复文本中有K个词组成，K个词中的每个词都是词表中的词，由此，可将K个词成为该回复样本的目标候选词。

通过将候选词在回复文本中候选词的概率，并将候选词的概率进行相乘，可以获取正确输出正确回复文本概率，既为文本识别概率。可以理解的是，文本识别概率越高，该对话模型输出的回复文本为正确回复文本的概率越大，模型越优化。

在本公开实施例中，可通过词典查询任一回复文本的目标候选词，并获取目标候选词的概率，该词表可为提前训练好的，并存储在电子设备的存储空间中，以方便在需要时调取使用。由此，通过计算目标候选词在任一回复文本的文本识别概率，可以得到对话模型输出的任一回复文本的概率，以此确定对话模型是否需要优化，以及为后续对话模型的优化提供基础。

上述实施例中，在基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率之后，可以确定对话模型的文本生成损失。本公开实施例中，文本生成损失的确定过程，还可通过图3进一步解释，该方法包括：

S301，根据正负样本标签和顺序标签，确定样本对话文本的真实回复文本。

在本公开实施例中，选取正负样本标签标识为正样本的回复文本作为候选回复文本，然后基于候选回复文本的顺序标签，对候选回复文本进行排序，将排在首位的候选回复文本，确定为真实回复文本。由此，通过引入正负样本标签和顺序标签，可以更准确从多个回复文本中确定出样本对话文本的真实回复文本，为后续确定文本生成损失提供确定基础。

举例来说，训练样本可为[c,r⁺ ₁,r⁺ ₂,r⁺ ₃,r^- ₄,r^- ₅,…,r^- _n]，其中c为样本对话文本，r为样本对话文本的多个回复文本，+为正样本标签，-为负样本标签，而且上述r1到rn具有从优到差的顺序关系，可以看出，r+1为训练样本的真实回复文本。

S302，获取真实回复文本的文本识别概率，确定文本生成损失。

在本公开实施例中，可通过以下公式计算文本生成损失，如下公式所示：

Loss_排序＝-log p_M(o|p_n)

其中，p(r|c)为文本识别概率，Loss_生成为文本生成损失，可以看出，文本识别概率越大，文本生成损失越小，即排序靠前的正样本的文本识别概率越大，对话模型的生成损失越小。

在本公开实施例中，根据正负样本标签和顺序标签，确定样本对话文本的真实回复文本，然后获取真实回复文本的文本识别概率，确定文本生成损失。由此，可通过引入顺序标签，根据顺序标签最大的正样本确定生成损失，即通过真实回复文本的文本识别概率，确定文本生成损失，基于该文本生成损失调整对话模型，可以降低负样本对话模型识别的影响，提高识别真实回复文本的能力，从而提高对话训练的准确性。

上述实施例中，在基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率之后，可以确定对话模型的文本排序损失。本公开实施例中，文本排序损失的确定过程，还可通过图4进一步解释，该方法包括：

S401，对多个回复文本进行两两组合，生成多个文本组。

在本公开实施例中，可以从多个回复文本中，随机挑选两个回复文本进行组合，以生成多个样本组。举例来说，训练样本可为[c,r⁺ ₁,r⁺ ₂,r⁺ ₃,r^- ₄,r^- ₅,…,r^- _n]，随机进行两两组合，可获取多个样本组，[r⁺ ₁,r⁺ ₂]、[r⁺ ₃,r⁺ ₅]、[r⁺ ₁,r^- ₅]等。

S402，基于文本组中两个回复文本各自的顺序标签和文本识别概率，确定文本组的概率差值。

可将两个回复文本各自的顺序标签和文本识别概率进行计算，确定文本组的概率差值。可选地，从两个回复文本中，基于顺序标签，确定两个回复文本的前后顺序，按照前后顺序和各自的识别概率进行计算，确定文组的概率差值。

举例来说，若文本组为[r⁺ ₃,r⁺ ₂]，则确定出的概率差值可为p(r²|c)-p(r³|)。

S403，基于多个文本组各自的概率差值，确定文本排序损失。

在本公开实施例中，可通过如下公式确定文本排序损失，如下公式所示：

Loss_排序＝max{0,m-p(r^先|c)+p(r^后|c)}

其中，m为一个经验值，可根据实际情况进行设定，此处不作任何限定。Loss_排序为文本排序损失，需要说明的是，Loss_排序越大，该。通过该公式可以看出，通过将多个回复文本进行两两组合，然后对两两组合进行排序，获取该两两组合的排序值，由此通过对所有回复样本进行两两组合计算，可以获得整个回复文本的排序值。

在本公开实施例中，对多个回复文本进行两两组合，生成多个文本组，然后基于文本组中两个回复文本各自的顺序标签和文本识别概率，确定文本组的概率差值，并基于多个文本组各自的概率差值，确定文本排序损失。由此，通过对回复文本进行两两组合，并基于组合中回复文本的顺序标签，可以准确计算出文本排序损失，基于该文本排序损失调整对话模型，可以降低相关性较低的回复文本对话模型识别的影响，提高识别输出相关性回复文本的能力，从而提高对话训练的准确性。

上述实施例中，在基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率之后，可以确定对话模型的文本排序损失。本公开实施例中，文本排序损失的确定过程，还可通过图5进一步解释，该方法包括：

S501，对多个回复文本的识别概率按照从高到底的顺序进行排序。

在本公开实施例中，在获取到回复文本的识别概率后，可按照回复文本的识别概率从高到低进行排序，以获取排序后的多个回复文本。举例来说，训练样本可为[c,r⁺ ₁,r⁺ ₂,r⁺ ₃,r^- ₄]，其中r⁺ ₁的识别概率为0.1,r⁺ ₂的识别概率为0.2,r⁺ ₃的识别概率为0.4,r^- ₄的识别概率为0.3，排序后的多个回复文本为[r^- ₃，r^- ₄，r^- ₂，r^- ₁]。

S502，针对任一回复文本，获取位于任一回复文本的文本识别概率后面的后序回复文本的文本识别概率。

在本公开实施例中，在获取任意回复文本后，可通过顺序标签确定该回复文本后续的回复文本，并确定后续回复文本的识别概率。举例来说，训练样本可为[c,r⁺ ₁,r⁺ ₂,r⁺ ₃,r^- ₄]，随机选取的回复文本r⁺ ₂的识别概率后，则我们需要确定r⁺ ₃以及r^- ₄的识别概率。

S503，基于任一回复文本的文本识别概率和每个后序回复文本的文本识别概率，确定识别概率之和，并将任一回复文本的文本识别概率与识别概率之和做比值，确定任一回复文本的概率比。

在本公开实施例中，可将任一回复文本的文本识别概率与识别概率之和做比值，以确定任一回复文本的概率比。

在本公开实施例中，可通过如下公式进行计算：

其中，p_k为任一回复文本的文本识别概率，从p_k开始与位于任一回复文本后面的所有回复文本的文本识别概率之和，

为识别概率之和，可以看出，任一回复文本的文本识别概率越高，该回复文本的概率比越大。可以理解的是，回复文本的概率比越大，可认为该回复文本为正确样本的概率越大。

S504，基于每个回复文本的概率比，确定文本排序损失。

在本公开实施例中，可通过将每个回复文本的概率比进行连乘，并将连乘的结果进行对数运算，以确定文本排序损失。

需要说明的是，可通过如下公式确定文本排序损失，如下公式所示：

其中，P_M(o|p_n)为任一回复文本的被正确放在第1位的概率。k＝1时，表示p₁(o|p_n)被正确放在第1位的概率；k＝2时，表示p₂(o|p_n)在除去p₁的剩下回复文本中，被选做第2位的概率；依次类推，p_M(o|p_n)最后概率乘起来，得到文本排序损失。可通过，通过公式可以看出，P_M(o|p_n)越大，Loss越小，即排序损失越小。

在本公开实施例中，对多个回复文本的识别概率按照从高到底的顺序进行排序，然后针对任一回复文本，获取位于任一回复文本的文本识别概率后面的后序回复文本的文本识别概率，基于任一回复文本的文本识别概率和每个后序回复文本的文本识别概率，确定识别概率之和，并将任一回复文本的文本识别概率与识别概率之和做比值，确定任一回复文本的概率比，基于每个回复文本的概率比，确定文本排序损失。在本公开实施例中，通过顺序标签对回复文本进行排序，基于该文本排序损失调整对话模型，可以降低相关性较低的回复文本对话模型识别的影响，提高识别输出相关性回复文本的能力，从而提高对话训练的准确性。

与上述几种实施例提供的对话模型的训练方法相对应，本公开的一个实施例还提供了一种对话模型的训练装置，由于本公开实施例提供的对话模型的训练装置与上述几种实施例提供的对话模型的训练方法相对应，因此上述对话模型的训练方法的实施方式也适用于本公开实施例提供的对话模型的训练装置，在下述实施例中不再详细描述。

图6为本公开实施例提供的一种对话模型的训练装置的结构示意图。该对话模型的训练装置600包括获取模块610、训练模块620、确定模块630和调整模块640。

其中，获取模块610，用于获取训练样本，训练样本包括样本对话文本、样本对话文本的多个回复文本，回复文本携带顺序标签和正负样本标签，顺序标签由对多个回复文本与样本对话文本的相关性进行排序确定。

训练模块620，用于基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率。

确定模块630，用于根据文本识别概率、顺序标签和正负样本标签，确定对话模型的文本生成损失和文本排序损失。

调整模块640，用于基于文本生成损失和文本排序损失，对对话模型进行调整，以生成目标对话模型。

在本公开的一个实施例中，确定模块630，还用于：根据正负样本标签和顺序标签，确定样本对话文本的真实回复文本；获取真实回复文本的文本识别概率，确定文本生成损失。

在本公开的一个实施例中，确定模块630，还用于：选取正负样本标签标识为正样本的回复文本作为候选回复文本；基于候选回复文本的顺序标签，对候选回复文本进行排序，将排在首位的候选回复文本，确定为真实回复文本。

在本公开的一个实施例中，确定模块630，还用于：对多个回复文本进行两两组合，生成多个文本组；基于文本组中两个回复文本各自的顺序标签和文本识别概率，确定文本组的概率差值；基于多个文本组各自的概率差值，确定文本排序损失。

在本公开的一个实施例中，确定模块630，还用于：对多个回复文本的识别概率按照从高到底的顺序进行排序；针对任一回复文本，获取位于任一回复文本的文本识别概率后面的后序回复文本的文本识别概率；基于任一回复文本的文本识别概率和每个后序回复文本的文本识别概率，确定识别概率之和，并将任一回复文本的文本识别概率与识别概率之和做比值，确定任一回复文本的概率比；基于每个回复文本的概率比，确定文本排序损失。

在本公开的一个实施例中，训练模块620，还用于：获取对话模型基于样本对话文本，输出的词表中每个候选词的概率；获取词表中属于任一回复文本的目标候选词，并将目标候选词的概率相乘得到任一回复文本的文本识别概率。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序/指令或者从存储单元706载到随机访问存储器(RAM)703中的计算机程序/指令，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口，包括：输入单元706如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如对话模型的训练方法。例如，在一些实施例中，对话模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元706些实施例中，计算机程序/指令的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序/指令加载到RAM 703并由计算单元701执行时，可以执行上文描述的对话模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对话模型的训练方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序/指令中，该一个或者多个计算机程序/指令可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序/指令来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种对话模型的训练方法，包括：

获取训练样本，所述训练样本包括样本对话文本、所述样本对话文本的多个回复文本，所述回复文本携带顺序标签和正负样本标签，所述顺序标签由对所述多个回复文本与所述样本对话文本的相关性进行排序确定；

基于所述训练样本对对话模型进行训练，以获取所述多个回复文本各自的文本识别概率；

根据所述文本识别概率、所述顺序标签和所述正负样本标签，确定所述对话模型的文本生成损失和文本排序损失；

基于所述文本生成损失和文本排序损失，对所述对话模型进行调整，以生成目标对话模型。

2.根据权利要求1所述的方法，其中，所述文本生成损失的确定过程，包括：

根据所述正负样本标签和所述顺序标签，确定所述样本对话文本的真实回复文本；

获取所述真实回复文本的文本识别概率，确定所述文本生成损失。

3.根据权利要求2所述的方法，其中，所述根据所述正负样本标签和所述顺序标签，确定所述样本对话文本的真实回复文本，包括：

选取所述正负样本标签标识为正样本的回复文本作为候选回复文本；

基于所述候选回复文本的顺序标签，对所述候选回复文本进行排序，将排在首位的候选回复文本，确定为所述真实回复文本。

4.根据权利要求1所述的方法，其中，所述文本排序损失的确定过程，包括：

对所述多个回复文本进行两两组合，生成多个文本组；

基于所述文本组中两个回复文本各自的所述顺序标签和所述文本识别概率，确定所述文本组的概率差值；

基于所述多个文本组各自的概率差值，确定所述文本排序损失。

5.根据权利要求1所述的方法，其中，所述文本排序损失的确定过程，包括：

对所述多个回复文本的识别概率按照从高到底的顺序进行排序；

针对任一回复文本，获取位于所述任一回复文本的文本识别概率后面的后序回复文本的文本识别概率；

基于所述任一回复文本的文本识别概率和每个所述后序回复文本的文本识别概率，确定识别概率之和，并将所述任一回复文本的文本识别概率与所述识别概率之和做比值，确定所述任一回复文本的概率比；

基于每个所述回复文本的概率比，确定所述文本排序损失。

6.根据权利要求1-5任一项所述的方法，其中，所述多个回复文本各自的文本识别概率的获取过程，包括：

获取所述对话模型基于所述样本对话文本，输出的词表中每个候选词的概率；

获取所述词表中属于任一回复文本的目标候选词，并将所述目标候选词的概率相乘得到所述任一回复文本的文本识别概率。

7.一种对话模型的训练装置，包括：

获取模块，用于获取训练样本，所述训练样本包括样本对话文本、所述样本对话文本的多个回复文本，所述回复文本携带顺序标签和正负样本标签，所述顺序标签由对所述多个回复文本与所述样本对话文本的相关性进行排序确定；

训练模块，用于基于所述训练样本对对话模型进行训练，以获取所述多个回复文本各自的文本识别概率；

确定模块，用于根据所述文本识别概率、所述顺序标签和所述正负样本标签，确定所述对话模型的文本生成损失和文本排序损失；

调整模块，用于基于所述文本生成损失和文本排序损失，对所述对话模型进行调整，以生成目标对话模型。

8.根据权利要求7所述的装置，其中，所述确定模块，还用于：

根据所述正负样本标签和所述顺序标签，确定所述样本对话文本的真实回复文本；

获取所述真实回复文本的文本识别概率，确定所述文本生成损失。

9.根据权利要求8所述的装置，其中，所述确定模块，还用于：

选取所述正负样本标签标识为正样本的回复文本作为候选回复文本；

基于所述候选回复文本的顺序标签，对所述候选回复文本进行排序，将排在首位的候选回复文本，确定为所述真实回复文本。

10.根据权利要求7所述的装置，其中，所述确定模块，还用于：

对所述多个回复文本进行两两组合，生成多个文本组；

基于所述文本组中两个回复文本各自的所述顺序标签和所述文本识别概率，确定所述文本组的概率差值；

基于所述多个文本组各自的概率差值，确定所述文本排序损失。

11.根据权利要求7所述的装置，其中，所述确定模块，还用于：

对所述多个回复文本的识别概率按照从高到底的顺序进行排序；

针对任一回复文本，获取位于所述任一回复文本的文本识别概率后面的后序回复文本的文本识别概率；

基于所述任一回复文本的文本识别概率和每个所述后序回复文本的文本识别概率，确定识别概率之和，并将所述任一回复文本的文本识别概率与所述识别概率之和做比值，确定所述任一回复文本的概率比；

基于每个所述回复文本的概率比，确定所述文本排序损失。

12.根据权利要求7-11任一项所述的装置，其中，所述训练模块，还用于：

获取所述对话模型基于所述样本对话文本，输出的词表中每个候选词的概率；

获取所述词表中属于任一回复文本的目标候选词，并将所述目标候选词的概率相乘得到所述任一回复文本的文本识别概率。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的对话模型的训练方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的对话模型的训练方法。

15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6所述方法的对话模型的训练步骤。

Images